Pereiti prie turinio
2026 m. lapkričio 19 d., ketvirtadienis
Tenesys AI News
Prenumerata
Agentai· Svarbu· 🧪 Verta testuoti

„TokenEconomizer“ sumažina dirbtinio intelekto kodavimo agentų kaštus optimizuojant patirtį

Trumpai: „TokenEconomizer“ yra naujas atvirojo kodo įskiepis, leidžiantis DI kodavimo agentams mokytis iš ankstesnių sesijų konkrečioje saugykloje. Stebėdamas pasikartojančius modelius, šalindamas nenaudojamus įrankius ir užkirsdamas kelią nesėkmių ciklams, jis ženkliai sumažina žetonų sunaudojimą nekeičiant paties agento ar jo bazinio modelio.

Šaltinis: Microsoft ResearchMicrosoft ResearchOriginalus straipsnis ↗

Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Microsoft Research“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.

Kas pasikeitė?

  • 1„SWE-Bench“ užduotyse vidutinės sąnaudos sumažėjo 18,4–30,9 %.
  • 2Įdiegtos trys funkcijos: „Micro-skills“ (išmokti faktai), „Tool pruning“ (nenaudojamų įrankių šalinimas) ir „Failure-loop intervention“ (nesėkmių ciklų nutraukimas).
  • 3Išlaikytas arba pagerintas našumas mažinant žetonų naudojimą.

Kodėl tai svarbu?

Kūrėjams ir įmonėms, naudojančioms DI kodavimo agentus, šis įrankis leidžia didinti efektyvumą ir mažinti veiklos kaštus ilgalaikiuose projektuose, nereikalaujant pereiti prie pigesnių ar mažiau pajėgių modelių.

Ką tai reiškia AI agentams ir kontaktų centrams?

Jei jūsų komanda naudoja DI agentus pasikartojančioms užduotims, „TokenEconomizer“ siūlo būdą optimizuoti kaštus tarpinio/proxy lygmens sprendimuose. Verta įvertinti, ar šie mechanizmai gali būti pritaikyti jūsų agentų architektūroje, siekiant sumažinti delsą ir išlaidas.

🧪 Verta testuoti

Rekomenduojama išbandyti, ar šios strategijos tinka jūsų vidiniams darbo procesams, kad būtų galima nedelsiant sutaupyti.

TokenEconomizer· Nauja

Šaltiniai

  • Microsoft ResearchOficialusPirminis šaltinis
    „TokenEconomizer: Learning from Experience to Make AI Coding Agents More Efficient“
    2026-11-16 19:01
    Originalus straipsnis →
Šaltinio publikavimo data
2026-11-16 19:01
Mūsų sistema rado
2026-11-16 19:06
Santrauka sugeneruota
2026-11-16 19:07

Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas