先了解这件事
AI 综述
2026年11月17日,UC Berkeley、Microsoft Research与Microsoft Security发布开源插件TokenEconomizer。该插件从编码智能体在仓库中的历史会话学习,在不改动智能体和底层模型的前提下降低后续会话的token开销。在277个SWE-Bench任务、五种智能体与模型组合上,平均成本降低18.4–30.9%,30个仓库与组合配对全部省钱且任务成功率总体稳定;Web-Bench顺序开发任务成本降低16.0–21.2%,安全审计任务降低6.4–19.6%。其机制包括记录仓库专属知识的微技能、裁剪不常用工具,以及在智能体反复卡住时由裁判模型介入提示换思路。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源:Microsoft Research
报道与讨论时间线
按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。
11月17日
Microsoft Research一手精选
微软研究院等提出 TokenEconomizer:让编码智能体从历史会话中学习以降低 token 成本
微软研究院联合 UC Berkeley 和 Microsoft Security 提出开源插件 TokenEconomizer,它从编码智能体在仓库中的历史会话学习,在不改动智能体和底层模型的前提下降低后续会话的 token 开销。在 277 个 SWE-Bench 任务、五种智能体与模型组合上,平均成本降低 18.4–30.9%,30 个仓库与组合配对全部省钱且任务成功率总体稳定;Web-Bench 顺序开发任务成本降低 16.0–21.2%,安全审计任务降低 6.4–19.6%。机制包括记录仓库专属知识的微技能、裁剪不常用工具,以及在智能体反复卡住时由裁判模型介入提示换思路。