[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-97247":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"97247","ai","论文研究","HuggingFace Daily Papers",63,"SWE-Pruner Pro：编程大模型已知如何剪枝","发现编程模型内部已编码代码相关性，提出SWE-Pruner Pro直接在模型内部剪枝，节省高达39%的token。","SWE-Pruner Pro发现编程大模型内部已编码代码相关性信息，可直接在模型内部进行上下文剪枝，节省高达39%的token且保持任务质量。\n· 现有剪枝方法如SWE-Pruner依赖附加的独立代码分类器，而SWE-Pruner Pro利用模型自身内部表征，通过一个小型头部为每行生成保留或剪枝标签。\n· 引入长度感知嵌入，关联每个工具输出的行数，使剪枝更精准。\n· 在两个开放权重基座和四个多轮基准上，SWE-Pruner Pro节省高达39%的提示和补全token，推理开销有限。\n· 在MiMo-V2-Flash上，SWE-Pruner Pro额外将SWE-Bench Verified解决率提升3.8%，长上下文Oolong准确率提升2.2个百分点。\n影响\u002F看点：SWE-Pruner Pro无需外部分类器，利用模型自身知识实现高效上下文剪枝，为编程智能体的上下文管理提供了更轻量、更自然的解决方案。","https:\u002F\u002Farxiv.org\u002Fabs\u002F2607.18213",null,"2026-07-20 08:00:00"]