注目★★★★★Hugging Face Papers
コーダー LLM が自動選別、SWE-Pruner Pro でコンテキスト 39% 削減
30秒で把握
- 1SWE-Pruner Pro がコーディングエージェントの内部表現でコンテキスト自動選別、トークン 39% 削減実現
- 2MiMo-V2-Flash で SWE-Bench Verified +3.8% / 長コンテキスト Oolong +2.2pt 精度向上
- 3外部分類器不要で推論オーバーヘッド抑制、2 モデル 4 ベンチマークで検証完了
要約
SWE-Pruner Pro は、コーディングエージェントのコンテキスト長管理を最適化する手法を提案した。既存の SWE-Pruner が外部の分類器を追加するのに対し、本手法はエージェントの内部表現を直接活用して、ツール出力の各行に対して「保持・削除」ラベルを付与する。長さ認識埋め込みと小型の予測ヘッドにより、2 つのオープンウェイトモデルと 4 つのベンチマークで、プロンプト・補完トークンを最大 39% 削減しながらタスク品質を維持した。MiMo-V2-Flash では SWE-Bench Verified の正解率が +3.8%、長コンテキスト Oolong の精度が +2.2 ポイント向上した。
あなたへの影響
コーディングタスク自動化で生成トークン数の削減は即座に API コストに反映される。
推奨：自社のコーディングエージェント実装でコンテキスト長管理を手動最適化しているチームは、当手法の適用可能性をプロトタイプで検証する価値がある。