0.6B 小模型替编码 Agent 挑修复方案：尝试减少 21%、token 省 12%

orlitany · x · 2026-10-22

Elad Sharony 介绍的一项工作：大多数编码 agent 靠测试通过率决定下一步修什么，但通过更多测试不代表离修复更近。

团队训练了一个 0.6B 小模型，让它阅读测试失败信息和每个候选修复方案，然后挑选最有希望的一个。结果是修复尝试减少 21%，token 消耗减少 12%。

原文链接 →

「编程与Agent」频道最新

• Langfuse 开放自定义决策模型,可接 SubQ Snap 跑评估器 — ryanallred · 2026-10-22
• Agent 的终点不是自主而是可问责：决策必须可检查可纠正 — tallmetommy · 2026-10-22
• Resend 发布 Inboxes 与 Forge：为 Agent 打造共享收件箱和自建 MTA — stuffyokodraws · 2026-10-22
• Factory 支持 Jira 任务委派，Droid 可自动执行子任务 — matanSF · 2026-10-22
• MIT 团队让 Agent 边训练边重写优化器源码，无调参场景全面占优 — vincesitzmann · 2026-10-22
• 重排上下文比堆更多上下文更有效?一个待验证的 agent 假设 — ClickOk5811 · 2026-10-22

更多「编程与Agent」频道 AI 资讯 →