CQ2-CARE 论文证实整文件选择优于压缩检索

Xiaocong Yang 等人提出并验证了 CQ2-CARE 方法，主张在相同 token 预算下，将预算用于选择完整文件原样展示，优于用于压缩或检索代码片段。 在 SWE-bench 300 个 issue 的测试中，CQ2-CARE 使 GPT-5.6 和 Claude Opus 5 分别解决 43.7% 和 46.7% 的缺陷。该整文件选择策略相比最佳压缩器和高检索器，性能分别高出 6.3 和 9.3 至 12.7 个百分点。 该方法无需额外压缩模型，通过保持代码原样提升了 patch 成功率，证明了整文件选择在解决代码缺陷任务中的优势。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。