跳到正文
原文
Microsoft Research· Aaron J. Li, Weijia Xu, Chandan Singh, Jeevana Priya Inala, Bin Yu, Ion Stoica, Michel Galley, Jianfeng Gao·· 9 小时前

TokenEconomizer:让 AI 编码智能体从历史会话中学习以降低 token 成本

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

AI 导读

UC Berkeley、Microsoft Research 与 Microsoft Security 提出开源插件 TokenEconomizer,它读取编码智能体在仓库中的历史会话日志,通过微技能笔记、工具裁剪和失败循环干预三种机制减少重复探索,且不修改智能体或其底层模型。

入选记录

入选两次之和 125 ≥ 门槛的两倍 120

信源等级
官方一手,这一级的门槛是 60 分
预筛
通过:AI编程智能体成本优化插件
推荐理由
该研究给出可复用的黑盒成本控制插件,并展示在多个编码智能体上跨仓库的实测节省幅度。

评分由模型按同一份标准独立打两次,满分 100;两次之和达到门槛的两倍才入选。门槛按信源等级设定。

来源:Microsoft Research · microsoft.com