跳到正文
Microsoft Research· Aaron J. Liu, Weijia Xu, Chandan Singh, Jeevana Priya Inala, Bin Yu, Ion Stoica, Michel Galley, Jianfeng Gao·· 40 分钟前精选AI 评分66

TokenEconomizer:Microsoft Research 插件在 SWE-Bench 上将 AI 编码代理成本降低 18.4–30.9%

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

AI 导读

TokenEconomizer 是来自 UC Berkeley、Microsoft Research 和 Microsoft Security 的开源插件,在来自六个仓库的 277 个 SWE-Bench 任务上,将五种 AI 编码代理与模型组合的成本降低了 18.4–30.9%,任务成功率总体保持稳定。它通过三种机制从代理在某个仓库中的过往会话中学习:添加一行仓库笔记的微技能、修剪未使用的工具,以及失败循环干预——当评判模型发现代理卡住时,建议其换一种方法。在 Web-Bench 上节省也达到 16.0–21.2%,在安全审计上达到 6.4–19.6%,并且到第六个任务时,每个仓库的累计成本都低于默认水平。

推荐理由

Microsoft Research 和 UC Berkeley 的插件通过从仓库的过往会话中学习,在不改动模型的情况下,将 SWE-Bench 上的编码代理 token 成本降低了 18.4–30.9%。

来源:Microsoft Research · microsoft.com