arXiv cs.AI· Ishaan Bhola, Adithyan Krishnan, Mukunda NS, Dhruv Jaglan·· 10 小时前AI 评分38
SuperScout:先侦察代码库再路由编码智能体的成本感知方案
Scrouting: Cost-Aware Routing of Coding Agents by Scouting the Repository First
AI 导读
SuperScout 提出先侦察代码库再路由的编码智能体方案:7B 搜索器 SuperScout-7B 先探索仓库并生成经沙箱验证的结构化交接,再由基于隐藏状态的路由器把任务分派给四个前沿修复模型。
正文 · AI 翻译
摘要:前沿语言模型能够解决仓库级软件问题,但每次尝试的成本都很高,而现有路由器仅根据问题文本选择模型。我们提出 SuperScout,它在侦察仓库之后再进行路由:一个 7B 搜索器 SuperScout-7B 首先探索仓库并生成结构化交接信息,其中的复现声明会经过沙箱验证,虚假声明在交付前被剔除。随后,搜索器的隐藏状态与任务文本一起输入一个基于 resume 的路由器,由它将任务分派给四个前沿修复器之一。新增修复器无需重新训练。在 SWE-bench Pro 的完整 Python 切片(266 个任务)上,按照该基准官方设定的封顶预算档位,SuperScout 以约为每次解决总成本五分之一的开销,达到了最佳单模型的解决率(SuperScout 为 266 个任务中解决 159 个,最佳模型为 158 个),且所报告的配置优于随机流量拆分基线。一个无路由器的消融实验——始终使用最便宜的修复器并配合交接信息——在该基准上与有路由的系统持平,因此结果由交接信息而非路由决策带来。一项配对校准研究指向其机制:交接信息似乎是在重新分配而非增加解决能力,它提升了三个较便宜的修复器,却略微损害了最强的修复器,不过在 $N=99$ 时,各修复器的效应仅具方向性;搜索器的隐藏状态在校准标签上改善了成本路由,而交接信息自身的文本则没有。搜索器的计算每个任务增加的 GPU 时间不到半美分。
| 学科: | 软件工程(cs.SE);人工智能(cs.AI) |
| 引用为: | arXiv:2608.04804 [cs.SE] |
| (或本版本的 arXiv:2608.04804v2 [cs.SE]) | |
| https://doi.org/10.48550/arXiv.2608.04804 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Mukunda N S [查看电子邮件]
[v1]
2026年8月5日星期三 13:11:31 UTC(134 KB)
[v2]
2026年11月18日星期三 13:32:43 UTC(133 KB)
来源:arXiv cs.AI · arxiv.org