Компьютерная наука > Программное инжиниринг [Представлено 15 октября 2026 года] Название: Skip the Comppressor: Coding Agents Fix More Issues Когда они выберут целые файлы Вид PDF HTML (экспериментальный) Резюме: агент кодирования работает на хранилищах, которые могут быть гораздо больше окна контекста. Быстрые компрессоры и ретриверы предлагают решения этой проблемы, но для исправления вопроса нужно сразу две вещи: файлы, которые должны измениться, и их код точно так же, как начертан, поскольку модель должна воспроизводить строки, которые она редактирует. Ретривертирует код рейтинга по своему сходству с вопросом, а не в зависимости от того, должен ли он измениться, и компрессоры удаляют текст для приведения его в соответствие с бюджетом. Мы показываем, что при одинаковом символическом бюджете агент решает больше вопросов, когда бюджет идет к выбору каких файлов для показа дословно, как это делает наш простой выборщик CQ2-CARE, чем когда он переходит в скручивание жетонов или поиск кусочков. Мы вписываем каждый контекст в один и тот же бюджет по каждому вопросу по 300 недавним вопросам, связанным с ВВЭ-повтором, и оцениваем каждую полосу с помощью контрольных критериев. С GPT-5.6 и Клодом Опусом 5, CQ2-CARE решает 43,7 и 46,7% вопросов, 6,3 балла больше чем лучший из трех компрессоров с любой моделью и 9.3 и 12,7 очка больше, чем самые лучшие из трёх ретриверов. CQ2-CARE решает даже больше вопросов, чем два метода, подготовленных для решения проблем: SweRank (на 0,7 и 1,7…
Пропустить компрессор: кодирующие агенты исправляют больше проблем, когда они выбирают целые файлы
arXiv: 261 020.21073v 1 Annuales Type: кросс-бюллетень: Агент кодирования работает на хранилищах, которые могут быть гораздо больше, чем его контекстное окно. Быстрые компрессоры и ретриверы предлагают решения этой проблемы, но для исправления вопроса нужно сразу две вещи: файлы, которые должны измениться, и их код точно так же, как начертан, поскольку модель должна воспроизводить строки, которые она редактирует. Ретривертирует код рейтинга по своему сходству с вопросом, а не в зависимости от того, должен ли он измениться, и компрессоры удаляют текст для приведения его в соответствие с бюджетом. Мы показываем, что при одинаковом символическом бюджете агент решает больше вопросов, когда бюджет идет к выбору каких файлов для показа дословно, как это делает наш простой выборщик CQ2-CARE, чем когда он переходит в скручивание жетонов или поиск кусочков. Мы вписываем каждый контекст в один и тот же бюджет по каждому вопросу по 300 недавним вопросам, связанным с ВВЭ-повтором, и оцениваем каждую полосу с помощью контрольных критериев. С GPT-5.6 и Клодом Опусом 5, CQ2-CARE решает 43,7 и 46,7% проблем, 6,3 балла больше чем лучшая из трех компрессо