字节 SWE-Pruner Pro 给编码智能体省 39% token 还不掉点
ByteDance · hf · 2026-07-21
这项工作在做什么
字节和合作者发现，coder LLM 自己的内部表征里，其实已经包含了判断工具输出该不该保留的信号。
方法
- SWE-Pruner Pro 不再外挂一个独立代码分类器，而是把 pruning 直接放进 agent 内部。
- 一个小 head 读取模型内部表征，对每一行输出做 keep/prune 预测。
- 还加了基于长度的 embedding，显式建模每个 tool output 的行数。
实验结果
- 在两个开源底座和四个多轮基准上，最多能省下 39% 的 prompt 和 completion token，同时不损失任务质量。
- 在 MiMo-V2-Flash 上，SWE-Bench Verified resolve rate 还提升了 3.8 个点，Oolong 长上下文准确率提升 2.2 个点。
所属事件:字节推SWE-Pruner Pro让编码智能体自剪上下文(3 条相关)→
「编程与Agent」频道最新
- Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量 — minnesotanlp · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- InfoWorld：别把模型当地基，Agent 架构必须做到 48 小时可换模型 — rseroter · 2026-10-27
- 便宜模型跑 Agent 反而更贵：线性往返堆爆上下文窗口 — vasuman · 2026-10-27
- 5 千行 Rust 单二进制看板 Kanzo：给 Claude Code 当任务板 — allmudi · 2026-10-27
- 「人类审批就安全」是幻觉：approval fatigue 与 Agent 风险设计 — Efistoffeles · 2026-10-27