论文里的 Nemotron 550B 只留 bash，修 GitHub issue 的成功率从 65.8% 涨到 69.4%，每题成本从 2.33 降到 1.11 美元。
不过换成 Mistral Medium 3.5，修 issue 的成功率掉了 23 个点，跑命令行任务时倒是涨了 6.7 个点。
有趣的是，为了省上下文，旧的工具输出会换成占位符，Agent 想看还能调工具翻回来。可 64 组设置里，有 36 组一次都没翻过…… 🤣
万万没想到，有篇论文发现，550B 的大模型只拿 bash 一个工具修代码，反而修得更好，还省了一半钱！😳
万万没想到，有篇论文发现，550B 的大模型只拿 bash 一个工具修代码，反而修得更好，还省了一半钱！😳
论文里的 Nemotron 550B 只留 bash，修 GitHub issue 的成功率从 65.8% 涨到 69.4%，每题成本从 2.33 降到 1.11 美元。
不过换成 Mistral Medium 3.5，修 issue 的成功率掉了 23 个点，跑命令行任务时倒是涨了 6.7 个点。
有趣的是，为了省上下文，旧的工具输出会换成占位符，Agent 想看还能调工具翻回来。可 64 组设置里，有 36 组一次都没翻过…… 🤣
论文里的 Nemotron 550B 只留 bash，修 GitHub issue 的成功率从 65.8% 涨到 69.4%，每题成本从 2.33 降到 1.11 美元。
不过换成 Mistral Medium 3.5，修 issue 的成功率掉了 23 个点，跑命令行任务时倒是涨了 6.7 个点。
有趣的是，为了省上下文，旧的工具输出会换成占位符，Agent 想看还能调工具翻回来。可 64 组设置里，有 36 组一次都没翻过…… 🤣