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。
成本感知
OpenSwarm
OpenSwarm：多模型路由與成本感知的自動化開發團隊協調器
OpenSwarm是一套使用Claude、GPT、Codex等模型的自動化AI開發協調工具，支援Linear議題抓取、Discord回報與LanceDB長期記憶，已在SWE‑bench Lite測試中全數解決三個實例，展示成本感知路由與多模型混合運作的效能。
深度分析
以成本感知的算力排程優化 AI 程式碼助手：降低部署風險與損失
隨著大型語言模型在程式碼輔助領域的應用，單純以難度分配運算已不足以應對實務風險。研究提出以問題文字預測錯誤成本，將高風險任務指派至更大運算層級，並在相同總算力下將成本加權損失降低22%至33%。此方法顯示成本與難度可分離，提升部署安全性，未來此策略有望成為企業部署 AI 程式碼助手的標準配置。