Microsoft Research 外掛 TokenEconomizer 降低 AI 編碼代理成本
熱點事件持續更新
Microsoft Research 外掛 TokenEconomizer 降低 AI 編碼代理成本
1 篇報導1 個報導來源40 分鐘前更新
先了解這件事
AI 綜述
Microsoft Research 與 UC Berkeley、Microsoft Security 共同發布開源外掛 TokenEconomizer,在來自六個儲存庫的 277 項 SWE-Bench 任務上,於五種 AI 編碼代理與模型組合中降低 18.4–30.9% 的成本,同時任務成功率大致保持穩定。 該外掛透過三種機制,從代理在儲存庫中的過往工作階段學習:加入一行儲存庫筆記的微技能、修剪未使用的工具,以及失敗迴圈介入——當評審模型發現代理卡住時,建議改用不同做法。在 Web-Bench 上節省幅度也達到 16.0–21.2%,在安全稽核上則為 6.4–19.6%,且到第六項任務時,每個儲存庫的累計成本都已低於預設值。
AI 依報導生成 · 22 分鐘前更新
報導時間線
沿著報導,了解事件的不同側面。
11月17日
- Microsoft Research精選TokenEconomizer:Microsoft Research 外掛在 SWE-Bench 上將 AI 編碼代理成本降低 18.4–30.9%
TokenEconomizer 是來自 UC Berkeley、Microsoft Research 與 Microsoft Security 的開源外掛,在六個儲存庫的 277 項 SWE-Bench 任務上,於五種 AI 編碼代理與模型組合中將成本降低 18.4–30.9%,任務成功率大致穩定。它透過三種機制從代理在儲存庫中的過往工作階段學習:加入一行儲存庫註記的微技能、修剪未使用的工具,以及失敗迴圈介入——當評判模型發現代理卡住時,建議改用不同做法。在 Web-Bench 上節省幅度也達到 16.0–21.2%,在安全稽核上為 6.4–19.6%,且到第六項任務時,每個儲存庫的累計成本都低於預設值。
本事件熱度走勢
還沒有足夠的連續觀測資料,暫不繪製趨勢。