SWE-bench实证研究：轨迹删除隐性成本

2026年10月27日，Vallecillos-Ruiz等人在arXiv发布论文，开展软件工程智能体轨迹删除的实证研究。该研究共运行9,400次，针对42种轨迹缩减配置进行分析。 实证结果显示，在SWE-bench测试中，即使删除100%的旧轮次推理文本，智能体仍保持任务有效性。但代价是增加了重新获取信息次数与总token消耗量，因此删除操作需延迟执行以防性能骤降。 研究进一步指出，在缓存感知的计价模型下，删除轨迹会导致前缀缓存失效。这意味着轨迹删除并未降低实际成本，反而可能因缓存失效而使费用增加，揭示了该项操作的隐性经济成本。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。