Tag · 2 篇
分层检索
分布 强化学习与具身智能1视觉语言模型1
01 02
TrajRAG：面向零样本目标导航的几何-语义经验检索
TrajRAG: Retrieving Geometric-Semantic Experience for Zero-Shot Object Navigation
把导航过程中产生的历史观测压缩成拓扑-极坐标轨迹表示并做分层检索，为大模型推理提供可复用的几何-语义先验；做具身导航或VLA的读者可以直接借用这套「经验库+粗到细检索」的框架来替代纯常识先验。
MuKV：面向长流式视频问答的多粒度 KV 缓存压缩
MuKV: Multi-Grained KV Cache Compression for Long Streaming Video Question-Answering
对做长视频多模态理解的人，这篇给出了一个可直接复用的 KV 缓存压缩思路：在 patch、帧、片段三个粒度上保留视觉词元，并用自注意力与频率双信号筛选词元，再配合半分层检索取回相关缓存，从而在有限显存下支撑长流式视频问答。