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
门槛 60官方一手第一次 63第二次 62
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