arXiv cs.AIPeiwen Li
论文
CoReMem: Cost-Internalizing Memory for Successive Coding Tasks with Prospective Valuation
AI 摘要
研究者提出 CoReMem 框架，用于让编程智能体在连续处理同一代码仓库的多个任务时管理记忆：通过对比有无某段历史轨迹时下一任务的表现来评估记忆价值，并围绕仓库位置与可执行检查构建精简记忆，同时用强化学习让智能体学会何时调用记忆。在 ChainSWE 测试中，27B 模型的解决率从 21.0% 提升到 25.7%，步数减少 17%，含记忆模块调用在内的缓存感知 token 总量减少 11%。
简评
编程智能体连续干活时，记住什么、忘掉什么直接影响效率和成本。这项研究让智能体自己权衡记忆的读写开销，用更少步骤和 token 解决更多问题，意味着未来 AI 编程工具能更省钱地处理长期项目，开发者的使用成本有望下降。
- 编程智能体
- 记忆管理
- 强化学习
- 成本优化
本站只提供模型生成的摘要，不转载原文。 完整内容请前往原始出处阅读。
阅读原文 ↗