深度分析
Terminus-4B：小型語言模型透過執行子代理降低代幣消耗 30% 並匹配前沿 LLM 效能
隨著程式碼代理人逐漸使用子代理處理繁雜的終端輸出，研究者提出以4B參數的Terminus-4B取代大型模型。透過專屬的執行子代理與雙階段微調，模型在SWE‑Bench系列基準上減少約30%代幣使用，同時保持或超越前沿模型效能。實驗顯示，即使僅使用4B參數模型，亦能在多語言專案如C#測試中保持高解決率。此技術有望降低部署成本並提升代理人效率。
程式碼代理人
深度分析
「貝葉斯控制」提升程式碼代理人效能：成本感知的序列假設檢驗研究
隨著大型語言模型生成程式碼的能力提升，研究提出以貝葉斯控制為核心的編碼代理人框架，將工具使用決策視為成本敏感的序列假設檢驗，透過信念更新自動選擇生成、批評或驗證步驟。實驗顯示在驗證成本高且批評訊息不完美時，貝葉斯控制能顯著提升效能，並為未來 AI 代理人的資源配置提供新思路。
深度分析
使用 Hugging Face Skill 將 transformers 快速移植到 mlx-lm：流程與檢驗機制
2026年代碼代理人實用化，促成自動化模型移植工具。HuggingFace推出Skill與非代理測試框架，將transformers模型轉為mlx-lm並產生詳盡測試報告與PR。該流程提高移植速度並協助審查，但仍需維護者把關設計與品質治理。
深度分析
記憶轉移學習：提升程式碼代理人跨領域效能的實證研究
本研究探討記憶轉移學習在程式碼代理人跨領域的應用，利用統一記憶池將驗證例程等高層次知識轉移，實驗顯示平均效能提升3.7%，抽象化程度決定正向傳遞效果。