Tới nội dung
Microsoft Research· Aaron J. Liu, Weijia Xu, Chandan Singh, Jeevana Priya Inala, Bin Yu, Ion Stoica, Michel Galley, Jianfeng Gao·· 40 phút trướcTuyển chọnĐiểm AI66

TokenEconomizer: Plugin của Microsoft Research cắt giảm 18,4–30,9% chi phí cho AI coding agent trên SWE-Bench

TokenEconomizer: Learning from Experience to Make AI Coding Agents More Efficient

Tóm tắt bằng AI

TokenEconomizer, một plugin mã nguồn mở từ UC Berkeley, Microsoft Research và Microsoft Security, đã giảm chi phí 18,4–30,9% trên năm tổ hợp AI coding agent và model với 277 tác vụ SWE-Bench từ sáu repository, trong khi tỷ lệ thành công của tác vụ nhìn chung ổn định. Nó học từ các phiên làm việc trước đó của agent trong một repository thông qua ba cơ chế: micro-skills bổ sung ghi chú repository một dòng, cắt tỉa các công cụ không dùng đến, và can thiệp vòng lặp thất bại để gợi ý một cách tiếp cận khác khi một judge model phát hiện agent bị kẹt. Mức tiết kiệm cũng đạt 16,0–21,2% trên Web-Bench và 6,4–19,6% trên kiểm toán bảo mật, và chi phí tích lũy giảm xuống dưới mức mặc định ở mọi repository tính đến tác vụ thứ sáu.

Vì sao đáng chú ý

Một plugin của Microsoft Research và UC Berkeley cắt giảm 18,4–30,9% chi phí token của coding agent trên SWE-Bench bằng cách học từ các phiên làm việc trước đó của một repository mà không cần thay đổi model.

Nguồn:Microsoft Research · microsoft.com