突破 accuracy-resource 折衷：轻量化自适应视频推理增强
多智能体系统
2026-01-22 v1 密码学与安全
分布式、并行与集群计算
摘要
现有的视频推理（VI）增强方法通常通过扩大模型规模和采用复杂网络架构来提升性能。虽然这些方法已实现最先进技术，但往往忽视了 resource efficiency 与 inference effectiveness 之间的权衡，导致资源利用不高效且推理性能次优。为此，我们开发了一个基于关键系统参数和推理相关指标的模糊控制器（FC-r）。在 FC-r 的指引下，提出了一种 VI 增强框架，利用相邻视频帧中目标的时空相关性。该框架可在目标设备的实时 resource 条件下，动态在不同规模的模型之间切换。实验结果表明，所提方法有效实现了 resource 利用与推理性能之间的平衡。
引用
@article{arxiv.2601.14567,
title = {Agent Identity URI Scheme: Topology-Independent Naming and Capability-Based Discovery for Multi-Agent Systems},
author = {Roland R. Rodriguez},
journal= {arXiv preprint arXiv:2601.14567},
year = {2026}
}
备注
19 pages, 6 tables. Feedback welcome on DHT incentive models and capability mapping service design