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
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.
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/