潜在桥：面向实时游戏智能体的连续快慢通道

通用计算机使用的实时智能体——游戏是最苛刻场景——必须在数十毫秒内行动同时仍要跨秒规划。这两种机制位于延迟-质量权衡的两端。推理型VLM（Qwen3-VL-8B-Thinking）深思有效但每次响应需约1.5秒——对15Hz控制环太慢。相比之下——反应型VLM（MiniCPM-o 4.5）毫秒级行动——但在规划密集任务上表现不佳。我们耦合两个规模匹配的冻结模型（9B反应、8B推理）——让通信通道成为唯一可训练组件。标准耦合是文本桥（T）：慢模型写后缀供快模型读。我们引入学习到的连续潜在桥（L）——以LLaVA式方式把慢模型残差投影进快模型输入嵌入空间——避免任何文本往返；两者都对照仅快（F）比较。在7个Atari游戏与驾驶域（MetaDrive）上——按通道在留出种子上调优动作解码器——潜在桥在每个域都匹敌或超越文本桥：显著改进两个游戏（MsPacman +57%、RoadRunner +28%）——其他处为安全替换。两通道组合破坏性干扰（RoadRunner -96%）——因此只应使用一个。收益高度可预测：当且仅当慢推理本就胜过快反应（T>F）时桥才有帮助——潜在桥与文本桥相对仅快的增益同动（r=0.93）。MetaDrive是受控反例——文本桥不增价值处潜在桥明显惰性。我们发布回放录制与可复现管线。