SWE-Pruner Pro 证明编码 Agent 已会自己剪上下文
rohanpaul_ai · x · 2026-07-22
这篇论文的核心观点是：编码 agent 自己的内部表示，已经足够判断哪些工具输出该保留、哪些该剪掉，不一定需要再外挂一个独立的剪枝模型。
SWE-Pruner Pro 做了什么
- 读取 agent 的最后一层 hidden states 和内部摘要。
- 对每一行工具输出做 keep / prune 分类。
- 加入长度感知信号，避免短输出被过度剪掉。
- 用平衡损失保护那些少见但重要的行。
实验结果
- 只训练了新增的分类头，使用 22,609 条标注工具响应。
- 在 2 个开源模型 和 4 个多轮 benchmark 上测试。
- 最多减少 39% 的 prompt+completion tokens，同时大体保持质量。
- 在 MiMo-V2-Flash 上，还让一个 coding benchmark 提升 3.8%，一个长上下文测试提升 2.2 分。
论文想证明的是：coding agent 其实已经“知道”哪些上下文有用，问题更多在于如何把这种信号低成本地用起来。
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
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用 prompt 造硬件:一次对话让智能体组装定制设备寄到家 — paraschopra · 2026-09-11
- 模型之外才是关键:一文拆解 RAG 到多智能体的六大 AI 架构 — goyalshaliniuk · 2026-09-11
- 零基础开发者自建分层记忆架构，仅 20k token 记住一年对话 — matteoianni · 2026-09-11