Cognition 训练 SWE-1.7 在 Devin 中实现长任务自我压缩

We trained SWE-1.7 in the Devin harness and taught it to self-compact on longer horizon tasks. As a...

精选理由

Cognition 用更长的训练让 SWE-1.7 学会先思考再动手,但代码改动的范围也变大了——这个权衡挺有意思,做 AI 编程助手的可以看看。

AI 摘要

Cognition 发布了 SWE-1.7 模型,该模型在 Devin 环境中训练,学会了在长周期任务中进行自我压缩。与之前的模型不同,SWE-1.7 在编辑前会花更多时间调查研究,这使它的思维链更长。但额外的思考导致模型作用域扩大,即接触的文件范围增加。Cognition 认为这是一个行业趋势——推理增强会伴随作用域膨胀,并计划改进这一点。

AI 翻译 · 中文

Cognition 发布了 SWE-1.7 模型,该模型在 Devin 环境中训练,学会了在长周期任务中进行自我压缩。与之前的模型不同,SWE-1.7 在编辑前会花更多时间调查研究,这使它的思维链更长。但额外的思考导致模型作用域扩大,即接触的文件范围增加。Cognition 认为这是一个行业趋势——推理增强会伴随作用域膨胀,并计划改进这一点。

CognitionWe trained SWE-1.7 in the Devin harness and taught it to self-compact on longer horizon tasks. As a result of longer training, SWE-1.7 behaves differently from prior models: SWE-1.7 spends more time investigating and res
Cognition 训练 SWE-1.7 在 Devin 中实现长任务自我压缩 · AI 热点