TokenEconomizer 研究用外部控制器降低编程智能体的令牌成本
一篇来自 UC Berkeley 和 Microsoft 的论文提出,让外部控制器从编程智能体的历史运行中学习,按需注入事实、移除未使用的工具,并提前终止失败循环。在 Claude Code、Codex 和 GitHub Copilot CLI 的 277 项 SWE-Bench 任务测试中,报告称平均每项任务成本降低 18.4% 至 30.9%。
一篇来自 UC Berkeley 和 Microsoft 的论文提出,让外部控制器从编程智能体的历史运行中学习,按需注入事实、移除未使用的工具,并提前终止失败循环。在 Claude Code、Codex 和 GitHub Copilot CLI 的 277 项 SWE-Bench 任务测试中,报告称平均每项任务成本降低 18.4% 至 30.9%。
同一次发生的报道合为一个节点,后续进展单独记录。
论文提出 TokenEconomizer:它在代理外部调整提示词和工具设置,从过往运行中学习注入哪些事实、移除哪些未使用工具,以及何时停止失败循环。在 277 项 SWE-Bench 任务中,Claude Code、Codex 和 GitHub Copilot CLI 的平均单任务成本降低 18.4% 至 30.9%;5 种代理与模型设置中有 4 种的 Pass@1 提高。
按来源发布时间排列,保留各报道的收藏与反馈。
一篇来自 UC Berkeley 和 Microsoft 的论文提出,让外部控制器从编程智能体的历史运行中学习,按需注入事实、移除未使用的工具,并提前终止失败循环。在 Claude Code、Codex 和 GitHub Copilot CLI 的 277 项 SWE-Bench 任务测试中,报告称平均每项任务成本降低 18.4% 至 30.9%。
论文提出 TokenEconomizer:它在代理外部调整提示词和工具设置,从过往运行中学习注入哪些事实、移除哪些未使用工具,以及何时停止失败循环。在 277 项 SWE-Bench 任务中,Claude Code、Codex 和 GitHub Copilot CLI 的平均单任务成本降低 18.4% 至 30.9%;5 种代理与模型设置中有 4 种的 Pass@1 提高。
UC Berkeley、Microsoft Research 和 Microsoft Security 推出的 TokenEconomizer 会从同一代码库的已完成会话中提取经验,供后续任务使用,无须修改代理或底层模型。团队在六个代码库的 277 项修复任务中报告,平均成本下降 18.4%—30.9%,任务成功率总体保持稳定;初期任务可能因插件学习而更贵。