arXiv cs.AI· Al\'an Aspuru-Guzik, Varinia Bernales·· 10 小时前AI 评分31
软件热力学:Agentic Coding 中的 token 热量、熵与误差
Where the Tokens Go: Heat, Entropy and Error in Agentic Coding
AI 导读
研究者提出“软件热力学”理论,将 coding agent 生成的 token 计为成本并拆分为功与热,用测试套件充当软件版麦克斯韦妖。在反复 coding/uncoding 循环实验中,成功运行约 80% 的 token 属于“热”,一次变更的自由能估计为成功编码平均成本的 14% 至 22%,且 coding 成本是 uncoding 的 1.1 至 1.5 倍。
正文 · AI 翻译
摘要:编码智能体按 token 计费,但软件工程学并未说明一个 token 究竟能换来什么。本文提出软件热力学理论。该理论借鉴经典热力学与随机热力学,对其加以扩展,并应用于现代智能体编码。我们将智能体生成的 token 计为其成本,并将该成本划分为功与热。测试套件充当软件麦克斯韦妖,对每一次编码改动进行判定。我们用一类类比实验来检验该理论:在单分子被拉开再折叠回去的实验中,智能体对代码仓库做一次改动(编码),再将其撤销(解码),如此反复多次,并统计每次模型调用的 token。该循环使所请求的编辑回到起点,两个方向均从存储的参考树开始,其成本在重复循环中的离散程度定义了软件温度,该温度随模型的采样温度升高而升高。一次成功运行中约 80% 的 token 产生于未改变所请求编辑的模型调用,我们将这些 token 称为热。一次改动的自由能(我们通过与 Jarzynski 等式的类比来估计)占一次成功编码运行平均成本的 14% 至 22%。编码的成本是解码的 1.1 至 1.5 倍。该妖并不完美:测试套件的判定随其环境而变化,而接受错误改动的测试套件会带来 token 成本。所提理论的实际意义可能在于,通过热力学的视角为分析和优化编码智能体提供新工具。
| 评论: | 43 页,10 幅图,11 张表;包含补充信息及另外 3 幅图 |
| 主题: | 人工智能(cs.AI);统计力学(cond-mat.stat-mech);软件工程(cs.SE) |
| ACM 分类: | D.2.8;I.2.2 |
| 引用为: | arXiv:2611.23375 [cs.AI] |
| (或本版本引用为 arXiv:2611.23375v1 [cs.AI]) | |
| https://doi.org/10.48550/arXiv.2611.23375 由 DataCite 颁发 arXiv DOI(待注册) |
提交历史
来自:Alán Aspuru-Guzik [查看邮箱]
[v1]
2026 年 11 月 17 日星期二 19:00:02 UTC(2,298 KB)
来源:arXiv cs.AI · arxiv.org