ReVision：幫電腦操作代理人「忘掉」重複畫面，歷史記憶終於有用了

電腦操作代理人（CUA）靠連續的螢幕截圖理解圖形介面，每張截圖都要編碼成大量視覺 token。操作軌跡一拉長，token 成本暴衝，固定的脈絡與算力預算下塞不進多少歷史畫面——結果就是過往研究發現一個尷尬現象：給 CUA 加歷史記憶，效能幾乎不動，跟其他領域「脈絡越多越強」的經驗完全相反。錢花了，記憶卻像沒記。

ReVision 的切入點是時間冗餘：連續截圖之間絕大部分像素根本沒變，游標移兩下、選單彈一個，畫面九成五是重複的。把每一幀都完整編碼，等於反覆為同一張桌布付 token 錢。論文提出的方法是削減連續觀測間的重複視覺資訊，只保留有變化、有資訊量的部分，讓同樣的預算能裝下長得多的操作歷史，歷史記憶這才開始對效能產生實質貢獻。

工程含義直白：操作歷史是代理人「知道自己做過什麼」的唯一憑據，長任務裡缺了它就會鬼打牆——重複點同一個按鈕、忘記表單填到第幾頁。本站今天報導 OpenAI 收購 Ona 要讓代理人跑數小時、數天的長任務，環境層的持久化與感知層的記憶壓縮，正好是同一個目標的兩塊拼圖：代理人要先記得住過去，才談得上做得完未來。