CF-Prune：世界动作模型未来帧token剪枝

2026年10月15日，arXiv Robotics 出现一篇由 Baekseung Kim 等作者提交的论文，提出 CF-Prune。据该报道，CF-Prune 是一种免训练框架，用于剪枝预训练世界动作模型（WAM）中的未来帧 token；其做法是在初始去噪前向传播中结合指令与动作注意力来识别任务相关 token，并用基于熵的阶段识别机制在精度阶段保留密集计算。报道称该框架为“training-free”，即无需额外训练即可对预训练 WAM 进行未来帧 token 剪枝。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。关于其适用对象、具体剪枝比例、计算节省幅度与评测结果，报道中均未给出，需以后续报道为准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。