Squeez: Task-Conditioned Tool-Output Pruning for Coding Agents
该论文提出了名为 Squeez 的任务条件化工具输出剪枝方法，通过微调小型模型在大幅减少输入令牌（92%）的同时，显著提升了编码代理对关键证据的召回率与 F1 分数，其性能优于大型零样本模型及传统启发式基线。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 Squeez 的新工具，它的核心任务可以概括为：教 AI 程序员学会“做减法”，从海量的信息垃圾中精准地挑出那一点点真正有用的金子。
为了让你更容易理解，我们可以把整个故事想象成这样一个场景：
1. 背景：AI 程序员的“信息过载”危机
想象一下，你雇佣了一位超级聪明的AI 程序员来帮你修电脑或写代码。
当这个 AI 遇到问题时，它需要去查很多资料：
- 打开几百行的代码文件（
read file） - 搜索关键词（
grep） - 查看 Git 提交记录（
git log） - 运行测试并查看报错日志（
pytest） - 甚至还要看 Docker 容器的运行日志（
kubectl）
问题在于：这些资料通常像是一堆几千页的乱码和废话。对于 AI 来说，真正能帮它解决当前问题的，可能只有其中的两三行。
但是，目前的 AI 习惯像“强迫症”一样，把这几千页全部读一遍再思考。这不仅浪费时间和算力，还容易让 AI 被无关信息带偏，就像你在找一把钥匙，却被迫把整个车库的每颗螺丝都摸一遍。
2. 解决方案：Squeez（挤一挤）
作者开发了一个叫 Squeez 的小工具（就像给 AI 装了一个“智能过滤器”）。
它的工作流程是这样的：
- 提问：AI 先问一个问题，比如“找出导致程序崩溃的那行代码”。
- 投喂：AI 把那一堆几千行的原始日志扔给 Squeez。
- 挤水：Squeez 迅速浏览，然后只把真正相关的那几行（比如报错的那两行）原封不动地“挤”出来，把剩下的 99% 垃圾信息直接扔掉。
- 结果：AI 只看到那几行关键信息，瞬间就能做出正确判断。
关键点：Squeez 不是去“总结”或“改写”内容（比如把几千行概括成一句话），而是原样保留那几行关键证据。这就像侦探破案，它不是让你写案情摘要，而是直接把证物（指纹、凶器）从证物箱里挑出来递给你。
3. 训练过程：从小老师教起
为了让 Squeez 学会这项技能，作者做了一个巨大的“题库”：
- 数据来源：他们收集了真实的编程错误案例（来自 SWE-bench），还让 AI 模拟了各种不同编程语言（Python, Go, Rust 等）和工具（Docker, Git 等）的报错日志。
- 人工标注：他们让“老师”（大模型 + 人工）在每一堆乱码里，圈出真正有用的那几行，作为标准答案。
- 模型训练：他们训练了一个非常小的模型（只有 20 亿参数，叫 Qwen 3.5 2B）。这就好比训练一个精干的学徒，而不是让一个博学的教授（几百亿参数的大模型）去干这种枯燥的筛选工作。
4. 惊人的效果：小刀快，大枪慢
实验结果非常打脸（褒义）：
- 小模型大胜利：这个经过专门训练的“小学徒”（Squeez-2B），在筛选准确率上，竟然打败了18 倍大的“超级教授”（Qwen 35B）。
- 数据表现：
- 它能扔掉 92% 的无用信息（把 100 页纸变成 8 页）。
- 它找对关键信息的概率高达 86%。
- 相比之下，那些没经过专门训练的大模型，要么漏掉关键信息，要么把无关的废话也带进来。
- 对比传统方法：以前人们用简单的关键词搜索（像 Google 搜索）来筛选，效果很差，因为代码里的错误往往不是靠关键词能匹配的，需要理解上下文。Squeez 完胜这些老方法。
5. 为什么这很重要？（核心启示）
这篇论文告诉我们一个反直觉的道理：
在特定的任务上，不需要“全知全能”的超级大脑，只需要一个“专注且受过专门训练”的小大脑。
- 大模型（Zero-shot）：像是一个博学的通才，什么都能聊，但让它做“找茬”这种精细活，它容易想太多，或者被无关信息干扰。
- Squeez（Task-Conditioned）：像是一个受过严格训练的安检员。它的任务只有一个：把违禁品（关键证据）挑出来，把普通行李（无关日志）直接放行。
总结
Squeez 就像是给 AI 程序员配了一副智能眼镜。戴上这副眼镜后，原本杂乱无章、充满噪音的代码日志，瞬间变得清晰可见，只留下解决问题的关键线索。
这不仅让 AI 跑得更快、更省电费，更重要的是，它让 AI 在修 Bug 时变得更聪明、更精准，不再被海量信息淹没。这是一个让 AI 从“什么都读”进化到“只读该读的”的重要一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。