STaR-KV: Spatio-Temporal Adaptive Re-weighting for KV Cache Compression in GUI Vision-Language Models

核心要点

问题/背景

GUI VLM agents 的多步交互会让截图序列 KV cache 线性增长，部署时很快触及显存上限。

方法/机制

STaR-KV 指出视觉 token 重要性具有空间和时间差异，提出 spatio-temporal adaptive re-weighting 来压缩 GUI 视觉语言模型的缓存。

结果/证据

它值得收录，因为 GUI agent 是高价值执行场景，KV cache 压缩直接影响长程交互可部署性。

收录价值

按当前收录规则，它属于近期值得正式跟踪的可复用方法或系统模式；但作为新近预印本，后续仍需要代码、复现和真实部署结果来确认长期影响。