CQ2-CARE 整文件选择在 SWE-rebench 评测

Xiaocong Yang 等作者发布论文，提出编码智能体的上下文选择方法 CQ2-CARE：在相同 token 预算下，让智能体直接选择要完整展示的文件，而非压缩 token 或检索代码块。 作者在 300 个近期 SWE-rebench issue 上把每种上下文都拟合到相同的单 issue 预算，并用该基准的测试给每个补丁打分。据论文称，使用 GPT-5.6 和 Claude Opus 5 时，CQ2-CARE 分别解决 43.7% 和 46.7% 的 issue，比三种压缩器中最佳者高 6.3 个百分点，比三种检索器中最佳者高 9.3 和 12.7 个百分点。 论文称，整文件选择不需要压缩模型，且按仓库原样展示每一行，模型因此可以引用它要修改的代码。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。