トピック: SWE-bench Verified

全セクション横断 3 件

LLMエージェントの実行中にトークン消費量を予測する手法TokenCastが提案された。追加のLLM呼び出しなしで予測を更新し、予算制御でトークンを21.3%削減。運用コストの管理手段として注目される。

米ウィリアムズ大学の研究チームが、LLMベースのコーディングエージェントに与える「指示書」を自動改善する手法を発表。バグ修正の成功率を25.5%から33.0%へ引き上げ、ソフトウェア開発コストの削減に直結すると期待される。

米ウィリアムズ大の研究が、リポジトリ誘導ファイルを合成バグ修正で反復改善する手法を発表。AIコーディングエージェントのバグ解決率を25.5%から33.0%へ引き上げ、ソフトウェア開発コスト削減に直結する成果として注目される。