先了解这件事
UC Berkeley、Microsoft Research 与 Microsoft Security 发布开源插件 TokenEconomizer,它从 AI 编码 Agent 在同一仓库的历史会话中学习,在不修改 Agent 或底层模型的情况下降低后续会话成本。研究团队称降幅为 18.4–30.9%。
据 Rohan Paul 转述,该结果来自在 Claude Code、Codex 和 GitHub Copilot CLI 上运行 277 个 SWE-Bench 任务,按每任务平均成本计算。
Microsoft Research 称,该插件基于过往会话构建,在保持任务成功率的同时降低成本,目标是让编程 Agent 不仅学会解决任务,也学会更有效地使用计算资源。该插件已在 GitHub 上线。
AI 根据报道生成 · 15 小时前更新最新进展
UC Berkeley 与微软新法降低编程智能体 token 成本
热度走势
事件进展1
Microsoft Research 发布开源插件 TokenEconomizer,借仓库历史经验为 AI 编码 Age
Microsoft Research 博客:Microsoft Research 发布开源插件 TokenEconomizer,借仓库历史经验为 AI 编码 Agent 降本 18.4–30.9%