配张卡,画的是一面照片墙:同一批记忆,中间那张放大聚焦、其余缩小扫一眼,一圈虚线对焦环来回移动——重要性的判断每一步都在重做。
arXiv 2611.24422(Resolution as Attention for Efficient Agent Memory Perception,2026-11-18,Siqi Xiang 等),摘要我核过:
- RAA 把每段历史渲染成图片,按它对「下一步决策」有多重要,动态调整分辨率。它不是语义相似度,是决策依赖度——四十步前某个不起眼的配置值可能才是关键,预训练 reranker 分不清这两种「相关」。
- 视觉 token 数和图像面积成正比,面积又随缩放因子的平方变:分辨率降一半,token 只花四分之一。这是几何推算,不是「整体省一半」的实验数字——论文实验口径是 token 消耗降低超过 50% 且不掉性能,两层别混。