Rohan Paul (@rohanpaul_ai)T2·智能体与协同
78 分
加州大学伯克利分校与微软提出 TokenEconomizer,一个位于智能体外部的黑盒控制器,通过从历史运行中学习应注入哪些事实、剔除哪些未使用工具、何时提前终止失败循环,仅改动提示与工具配置。在 Claude Code、Codex 与 GitHub Copilot CLI 上针对 277 个 SWE-Bench 任务测试,单任务平均成本下降 18.4% 至 30.9%,并在 5 组智能体-模型配置中的 4 组提升了 Pass@1。