Code Memory Token Efficiency Program Repair Context Management
摘要

大型语言模型代理虽能修复仓库级问题,但常因读取全文件及冗长输出而消耗大量上下文令牌。本文提出 ContextSniper,作为 AntTrail 代理记忆引擎的编码专用层,旨在实现高效的证据选择。该机制通过混合检索信号排序候选代码,利用意图感知门控过滤冗长输出,返回紧凑证据包并保留可恢复源上下文。在 SWE-bench Lite 上的评估显示,ContextSniper 显著降低了令牌使用量(最高减少 51.5%)和成本,尽管解决率略有下降,但大幅提升了资源效率。

AI 推荐理由

论文提出代码记忆层 ContextSniper,核心贡献在于优化 Agent 的记忆检索与上下文管理机制。

研究机构
Huawei HKUST(GZ) Nanyang Technological University
论文信息
作者 Chiwang Luk, Matin Mohammad Najafi, Zhifeng Jia, Wei Yang, Xiuchang Li et al.
发布日期 2026-07-02
arXiv ID 2607.01916
相关性评分 9/10 (高度相关)