實證研究揭示編碼代理的關鍵設計選擇
為什麼值得讀 開發自主編碼代理的開發人員可以根據模型能力調整上下文管理和動作空間，從而優化效率與準確性。
研究顯示，編碼框架中的上下文管理與動作空間設計對效能和成本有顯著影響。開發者可根據模型能力調整這些組件，以優化自主編碼代理的效率與準確性，特別是在上下文窗口受限時，規則式省略策略能提升效率。
標籤 · #swe-bench
ExecCritic：分離測試與修復代理以提升程式碼效能
為什麼值得讀 將測試生成與程式碼修復分離，可防止錯誤共識與虛假信心，顯著提升代理可靠性。
ExecCritic 使用獨立的測試與修復代理及強化學習，提升 SWE-bench Verified 上的成功率。
xAI 推出 Grok Build CLI：8 個子代理並行、SWE-Bench 70.8%、$99 入門價
為什麼值得讀 值得盯緊的不是 benchmark 分數，而是「8 個 subagent 並行」這個結構選擇。若它站得住，成本模型從「每任務多少 token」轉成「每分鐘多少任務」 —— 跑 Claude Code 或 Codex 的團隊都得從 throughput 重做評估。
5/14 公開測試。SWE-Bench 70.8%、256K context、$0.20/$1.50 每百萬 tokens、$99 入門價。8 個子代理並行 git 分支 —— 競賽變四方。