视觉 token 路由 VTR：VLM agent 保持准确率不变，最多减少 5.8 倍视觉 token

视觉 token 路由 VTR 通过联合训练轻量路由器，帮助 VLM agent 丢弃时间上冗余或无需据此行动的视觉 token，在准确率不变的前提下最多减少 5.8 倍视觉 token。该方法可降低 research agent 每步重新评估屏幕的成本，使其在同等算力预算下覆盖更多搜索。