कोडिंग एजेंट कंप्रेशर्स के बजाय पूरी फाइलों का चयन करके अधिक समस्याएं हल करते हैं

मेटा विवरण: CQ2-CARE एक निश्चित टोकन बजट के भीतर पूरी फ़ाइलों का उपयोग करके GPT-5.6 और 46.7% के साथ 43.7% तक कोडिंग-एजेंट मुद्दे को हल करता है।

टैगः CQ2-CARE, कोडिंग एजेंट्स, SWE-rebench, टोकन बजट, Claude Opus 5

विशेष रुप से प्रदर्शित छवि: एक कोडिंग एजेंट का अमूर्त चित्रण जो पैच के लिए संपूर्ण स्रोत फ़ाइलों का चयन कर रहा है, अनुकूल शैली, कोई वास्तविक लोग नहीं हैं, कोई लोगो नहीं है, कोई पाठ नहीं है।

CQ2-CARE कोडिंग एजेंटों के लिए एक फ़ाइल-चयन विधि है, और यह उन बिल्डर्स के लिए उपयोगी है जिन्हें संपीड़न मॉडल जोड़ने के बिना बेहतर समस्या सुधार की आवश्यकता होती है। फिक्स्ड टोकन बजट पर - टोकन में मापे गए मॉडल इनपुट की अधिकतम राशि - यह टोकन छंटाई या पुनः प्राप्त किए गए टुकड़ों के बजाय कुछ संपूर्ण स्रोत फाइलों पर बजट खर्च करके अधिक समस्याओं का समाधान करता है। 300 हालिया SWE-rebench मुद्दों के मूल्यांकन में, इस पद्धति ने GPT-5.6 के साथ 43.7% मामलों को हल किया और Claude Opus के साथ46.7% 5.

क्यों टोकन छंटाई और पुनर्प्राप्ति पैच तोड़ सकते हैं

एक कोड पैच को उन पंक्तियों का उद्धरण देना होता है जो वह बदलता है। यह आवश्यकता संपादन कार्य को नाजुक बनाती हैः यदि मॉडल को दिया गया संदर्भ संपीड़ित, छंटनी या फिर से तैयार किया गया है, तो पैच अब स्रोत पाठ के अनुरूप नहीं हो सकता है। टोकन प्रूनर अपनी सामग्री को बदलने के दौरान सही फ़ाइल रख सकते हैं, इसलिए उत्पन्न संपादित लागू करने में विफल रहता है। प्रॉम्प्ट कंप्रेसर इसी तरह की समस्या का सामना करते हैं क्योंकि वे टेक्स्ट को बदलकर या हटाकर संदर्भ को छोटा कर देते हैं।

पुनर्प्राप्ति एक अलग जोखिम पैदा करता है। रिट्रीवर सिस्टम कोड को मुद्दे की समानता के अनुसार रैंक करते हैं, जो प्रासंगिक स्निपेट्स को सतह पर ला सकता है, लेकिन वास्तव में संपादन की आवश्यकता वाली फ़ाइल पर्याप्त ऊंची नहीं हो सकती है। यदि एजेंट सही फाइल को पूरी तरह से कभी नहीं देखता है, तो फिक्स लिखा नहीं जा सकता है। CQ2-CARE दोनों समस्याओं का समाधान पाठ कटौती से फ़ाइल चयन को अलग करके करता हैः यह पहले उम्मीदवार फ़ाइलों का एक छोटा सेट चुनता है, फिर उन फ़ाइलों को संपूर्ण और शाब्दिक रूप से दिखाता है।

कैसे CQ2-CARE फ़ाइलों का चयन करता है

चयनकर्ता एक सरल दो-पास प्रश्न का उपयोग करता है। यह परीक्षण के तहत मॉडल को दो बार, स्वतंत्र रूप से पूछता है कि कौन सी फाइलें बदलनी चाहिए। यह केवल दोनों उत्तरों द्वारा नामित फ़ाइलों को रखता है। वह चौराहा विश्वास फ़िल्टर के रूप में कार्य करता हैः अंतिम संदर्भ में प्रवेश करने से पहले एक फ़ाइल को दोनों स्वतंत्र कॉल में मॉडल द्वारा चुना जाना होगा।

चयन के बाद, विधि उन फ़ाइलों को पूर्ण रूप से दिखाती है. यह उन्हें संकुचित करने के लिए एक अलग संपीड़न मॉडल का उपयोग नहीं करता है। यदि मॉडल को अतिरिक्त विवरण की आवश्यकता होती है, जैसे कि परिभाषाएँ, कॉलर या स्ट्रिंग्स, CQ2-CARE छोटे grep स्पैन जोड़ता है। इस सेटिंग में, grep span छोटे खोज स्निपेट होते हैं जो संपूर्ण चयनित फाइलों को फिर से लिखे या ट्रिम किए बिना लक्षित संदर्भ प्रदान करते हैं। इसलिए अंतिम संदर्भ में पूरी फाइलें और साथ ही संकीर्ण रूप से लक्षित टुकड़े शामिल होते हैं, सभी समान प्रति-विषय टोकन बजट पर फिट होते हैं।

300 एसडब्ल्यूई-रिबेंच मुद्दों में बेंचमार्क परिणाम

रिपोर्ट किए गए परिणाम 300 हालिया SWE-rebench मुद्दों से आते हैं। प्रत्येक संदर्भ को एक ही प्रति मुद्दे टोकन बजट में फिट किया गया था और बेंचमार्क के परीक्षणों द्वारा वर्गीकृत किया गया है। GPT-5.6 के साथ, CQ2-CARE ने 43.7% मुद्दों का समाधान किया। Claude Opus 5 के साथ यह 46.7% हल करता है।

तुलना सेट तीन मुख्य विकल्पों को कवर करता है। सबसे अच्छे तीन प्रॉम्प्ट कंप्रेसर के खिलाफ -2,LLMLingua-2, LongLlmlingua, और LongCodeZip 89 CQ2-CARE ने 6.3 अंक अर्जित किए दोनों मॉडल के साथ। SWE-बेंच की फ़ाइल-स्तरीय BM25 सहित तीन रिट्रीवर्स में से सर्वश्रेष्ठ के खिलाफ, लाभ 9.3 अंक और 12.7 अंक थे। दो तरीकों के मुकाबले समस्या समाधान के लिए प्रशिक्षित किया गया था, सीक्यू 2-केयर 2.0 अंकों से एसडब्लूई-प्रूनर से आगे रहा और 7.3 अंक, और स्वेरैंक से पहले 0.7 बिंदुओं और 1.7 अंकों द्वारा, शोर के भीतर वर्णित स्वेरंक अंतर के साथ ।

विधि एक ओरेकल के कितने करीब आती है

ओरेकल तुलना क्या मायने रखता है के बारे में सबसे मजबूत संकेत देता है। असली सोने की फाइलों को दिखाने से केवल 5.7 अंक अधिक जीपीटी-5.6 के साथ हल किया गया, और क्लाउड के साथ नहीं। दूसरे शब्दों में, एक बार सही फ़ाइलें चुनी गई थीं और पूरी तरह से दिखाए गए थे, एक आदर्श फ़ाइल Oracle का अतिरिक्त लाभ छोटा था। एक नियंत्रित परीक्षण ने दिखाया कि पाठ को संरक्षित करना क्यों महत्वपूर्ण हैः CQ2-CARE के अपने संदर्भों की प्रत्येक पंक्ति पर टोकन के 20% को हटाने से 9.7 अंक खर्च होते हैं।

एजेंट बिल्डर्स के लिए, टेकअवे सीधा है। उम्मीदवार फ़ाइलों को अच्छी तरह से चुनें, उन्हें शाब्दिक रखें और यदि कुछ काटा जाना चाहिए, तो पूरी पंक्तियों को काट दें। यह नियम कोड-एजेंट वर्कफ़्लो में परीक्षण करने के लिए पर्याप्त सरल है, और रिपोर्ट किए गए लाभ बताते हैं कि यह एक संपीड़न मॉडल जोड़ने या एक अलग पुनर्प्राप्ति सेटअप चुनने की तुलना में अधिक महत्वपूर्ण हो सकता है।