UC Berkeley与微软开源TokenEconomizer插件
热点事件历史事件
UC Berkeley与微软开源TokenEconomizer插件
4 篇报道3 个报道来源6 天前更新
先了解这件事
AI 综述
UC Berkeley、微软研究院与微软安全团队联合发布开源插件 TokenEconomizer,旨在降低 AI 编码智能体的运行成本。该插件通过从编码智能体在仓库中的历史会话学习,在不改动智能体及其底层模型的前提下,减少后续会话的 token 浪费。 据微软研究院称,这一机制可使相关成本降低 18.4%–30.9%。
AI 根据报道生成 · 6 天前更新
最新进展11月17日 09:50
微软研究院开源 TokenEconomizer:不改模型,从仓库经验里给 Coding Agent 省 token事件进展
2 个进展
- 11月17日 07:06 · 1 篇报道发布TokenEconomizer黑盒成本控制系统Rohan Paul (X):TokenEconomizer 控制编码智能体成本
- 11月17日 01:01 · 3 篇报道TokenEconomizer开源插件发布Microsoft Research:微软研究院等发布 TokenEconomizer 开源插件,降低 AI 编码智能体成本 18.4–30.9%
报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- meng shao精选微软研究院开源 TokenEconomizer:不改模型,从仓库经验里给 Coding Agent 省 token
微软研究院联合加州大学伯克利分校和 Microsoft Security 开源外部控制器 TokenEconomizer,不改 Coding Agent 和底层模型,从同一仓库的历史会话中学习以减少重复摸索。
- Rohan Paul (X)TokenEconomizer 控制编码智能体成本
– https://arxiv.org/abs/2610.22732 标题:“TokenEconomizer:面向编码智能体的经验驱动黑盒成本控制”
- Rohan Paul (X)UC Berkeley 与 Microsoft 论文提出 TokenEconomizer,将编码智能体 token 成本降低 18.4% 至 30.9%
UC Berkeley 与 Microsoft 的论文提出外部控制器 TokenEconomizer,通过注入学习到的事实、剪除未使用工具和提前终止失败循环,将编码智能体的 token 成本降低 18.4% 至 30.9%。
- Microsoft Research精选微软研究院等发布 TokenEconomizer 开源插件,降低 AI 编码智能体成本 18.4–30.9%
UC Berkeley、微软研究院与微软安全团队发布开源插件 TokenEconomizer,它从编码智能体在仓库中的历史会话学习,在不改动智能体及其底层模型的前提下减少后续会话的 token 浪费。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 2711月17日 10:00
- 近 24 小时变化
- -81%
0102030
12:0011月18日12:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。