TokenEconomizer: ปลั๊กอินจาก Microsoft Research ลดต้นทุน AI coding agent 18.4–30.9% บน SWE-Bench
TokenEconomizer: Learning from Experience to Make AI Coding Agents More Efficient
TokenEconomizer ปลั๊กอินโอเพนซอร์สจาก UC Berkeley, Microsoft Research และ Microsoft Security ลดต้นทุนได้ 18.4–30.9% ครอบคลุมห้าการผสมผสานระหว่าง AI coding agent และโมเดล บน 277 งาน SWE-Bench จากหก repository โดยอัตราความสำเร็จของงานโดยรวมทรงตัว ระบบเรียนรู้จากเซสชันที่ผ่านมาของ agent ใน repository ผ่านสามกลไก ได้แก่ micro-skills ที่เพิ่มบันทึก repository แบบหนึ่งบรรทัด การตัดทอนเครื่องมือที่ไม่ได้ใช้ และการแทรกแซง failure-loop ที่เสนอแนวทางอื่นเมื่อโมเดลผู้ตัดสินพบว่า agent ติดอยู่ นอกจากนี้ยังประหยัดได้ 16.0–21.2% บน Web-Bench และ 6.4–19.6% ในการตรวจสอบความปลอดภัย โดยต้นทุนสะสมลดต่ำกว่าค่าเริ่มต้นในทุก repository ภายในงานที่หก
ปลั๊กอินจาก Microsoft Research และ UC Berkeley ลดต้นทุนโทเคนของ coding agent 18.4–30.9% บน SWE-Bench ด้วยการเรียนรู้จากเซสชันที่ผ่านมาของ repository โดยไม่ต้องแตะโมเดล
แหล่งข่าว:Microsoft Research · microsoft.com