StateTape：面向长程编程智能体的证据生命周期建模
原文标题：StateTape: Action-Conditioned Evidence Lifecycle Modeling for Long-Horizon Coding Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 StateTape，将编程智能体的上下文维护从「随上下文增长」改为「随代码库变化」重写。它把仓库建模为符号级代码图，用 tape 标记每次写入影响的符号，从而把陈旧性从文本推断变为对写入的观测，并配套提出 TraceBench 基准。实验显示其在六个编程智能体、三个编辑密集基准上提升解决率且开销很小。
- 问题
- 编程智能体上下文随观测增长，基于历史的维护看不懂代码关联，会保留失效记录或删掉有效记录。
- 方法
- 把仓库建模为符号级代码图，用 tape 标记每次写入影响的符号，把陈旧性从文本推断变为对写入的观测。
- 结果
- 在六个编程智能体、三个编辑密集基准上提升解决率且开销很小。
- 影响
- 长程编程智能体的上下文管理可从「摘要历史」转向「跟随代码变更」，直接提升多轮编辑任务的可靠性。
深读 · 结论先行AI 生成展开看要点与影响 ↓
StateTape把编程智能体上下文维护从「随上下文增长」改为「随代码库变化」。
- •将仓库建模为符号级代码图，依赖与语言规则暴露写入可影响的符号
- •用tape标记每次写入改动的符号，把陈旧性从文本推断变为对写入的观测
- •配套提出TraceBench基准
- •在六个编程智能体、三个编辑密集基准上提升解决率且开销很小
为什么重要：长程编程任务的核心痛点是上下文膨胀与记录失真，按代码变更而非文本历史维护上下文是更贴合代码语义的方向。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。