Nytt system minskar beräkningskostnader vid AI-driven kodutveckling med upp till 89%

arXiv cs.AI

Forskare har byggt EvoAlloc, en agent som lär sig att fördela beräkningsresurser smartare när AI-modeller iterativt förbättrar kod – istället för att slösa datorkraft på svaga kandidater. I tester krävde systemet 59–82% färre fullständiga utvärderingar och 61–89% färre LLM-tokens för att nå samma prestanda som befintliga metoder. Det intressanta är att agenten också testar bortvalda kandidater ibland, just för att lära sig om den hade fel – en sorts inbyggd självkritik.