Kertas penyelidikan

Microsoft Research melancarkan pemalam sumber terbuka TokenEconomizer, kurangkan kos ejen pengekodan AI sebanyak 18.4–30.9% menerusi pengalaman sejarah repositori

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

Ringkasan AI

UC Berkeley, Microsoft Research dan Microsoft Security melancarkan pemalam sumber terbuka TokenEconomizer, yang belajar daripada sesi sejarah ejen dalam repositori yang sama, mengurangkan kos sesi seterusnya tanpa mengubah ejen atau model asas.

Maklumat penting

  • UC Berkeley,Microsoft Research dan Microsoft Security melancarkan pemalam sumber terbuka…
  • yang belajar daripada sesi sejarah ejen dalam repositori yang sama
  • mengurangkan kos sesi seterusnya tanpa mengubah ejen atau model asas.

Sekilas pandang

Diterbitkan pada
Sumber
Microsoft Research 博客(RSS)
Kategori
Kertas penyelidikan
Topik
Ejen AIPengekodan AI
Skor AI
72
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

原文用 SWE-Bench 实测数据说明经验学习如何降低编码 Agent 成本,并给出三种机制的具体做法,方法可复用。

Topik berkaitan

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Microsoft Research melancarkan pemalam sumber terbuka TokenEconomizer, kurangkan kos ejen pengekodan AI sebanyak 18.4–30.9% menerusi pengalaman sejarah repositori. 17 November 2026. https://new.nat6.net/ms/news/ub0r10tgaq7g5nnq01ciz9d17/

Lihat Semua →