CQ2-CARE:与其压缩上下文,不如让编码智能体按 token 预算整选文件

AI-Interpretability-illinois · hf · 2026-10-19

伊利诺伊团队的研究挑战编码智能体上下文管理的常见做法:与其用检索或压缩,不如在 token 预算内直接选择需要原样包含的完整文件。CQ2-CARE 在 300 个 issue 上测试,对 GPT-5.6 解决率 43.7%、对 Claude Opus 5 达 46.7%,超过 BM25/Dense 分块检索(22.7–34%)、SweRank(43–45%)、LongCodeZip、LLMLingua 系列压缩与 SWE-Pruner。分块检索会截断文件导致补丁无法应用,压缩会破坏代码语法;整文件选择保证上下文完整可用。