כתבה
arXiv cs.LG ·
CORVUS: אופטימיזציה וצמצום הקונטקסט באמצעות סינכרון תת-מובני
CORVUS: Context Optimization and Reduction Via Underlying Synchronization for LLM Coding Agents
CORVUS הוא ארכיטקטורת מסלול חדשנית לסוכנים מקודדים LLM. היא מאפשרת צמצום ואופטימיזציה של הקונטקסט על ידי סינכרון רישום של קבצים רלוונטיים. CORVUS נבדקה על SWE-POLYBENCH_VERIFIED ו-SWE-BENCH PRO עם 4 LLMs, והשיגה 9-50% צמצום בממוצע של טוקנים למשימה.
תקציר מקורי באנגליתarXiv:2607.22711v1 Announce Type: new Abstract: LLM coding agents operate by constructing trajectories that accumulate reasoning, tool calls, and results to enable multi-step decision-making. However, the conventional append-only trajectory architecture found in practice tightly couples file-read actions with their observations, capturing snapshots that become permanently fixed in the chronological history. As files change through agent edits or concurrent human modifications, these snapshots become stale, causing reasoning errors and causing agents to redundantly re-read files, with each re-read appending yet another copy to the trajectory. To mitigate this, we propose CORVUS, a novel trajectory architecture that decouples file-read actions from their observations by maintaining a synchro
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית