مقاله‌ی arXiv:2610.17560 · در صف خبرنامه
EdgeWise: Bringing Long-Horizon Agents to the Edge via Selective Cloud Delegation
ایجنت کدنویسی روی دستگاه محلی با یک مدل کوچک، که فقط قدم‌های کلیدی را به مدل ابری می‌سپارد
- تاریخ
- (۲۱ مهر ۱۴۰۵) 2026-10-13 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Zeru Shi, Jindong Jiang, Ryo Hachiuma, Yonggan Fu, Byung-Kwan Lee, Peter Belcak, Saurav Muralidharan, Ayush Agarwal, Ruixiang Tang, Ambrish Dantrey, Pavlo Molchanov, Anjul Patney, Subhashree Radhakrishnan
- نهاد نویسنده‌ها
- NVIDIA
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
کارهای پیچیده و طولانی ایجنتی معمولاً به مدل‌های پیشرو در ابر تکیه دارند. اما اجرای این مدل‌ها در همه‌ی قدم‌های یک مسیر طولانی هزینه‌ی زیادی دارد، در حالی که همه‌ی قدم‌ها به یک اندازه توانایی لازم ندارند؛ مثلاً خواندن یک فایل به اندازه‌ی طراحی یک راه‌حل سخت نیست.
روش
نویسنده‌ها دیدند سپردن فقط زیرمجموعه‌ی کوچکی از قدم‌های کلیدی به مدل بزرگ، به کارایی‌ای نزدیک اجرای کامل با مدل بزرگ می‌رسد. چارچوب EdgeWise یک مدل کوچک را روی دستگاه محلی به عنوان حل‌کننده‌ی اصلی می‌گذارد و قدم‌های حساس را به مدل بزرگ ابری می‌سپارد. برای این‌که این واگذاری بدون مدل اضافه در زمان اجرا خودکار باشد، یک روش یادگیری تقویتی در سطح قدم ساختند که حل تسک و تصمیم واگذاری را با هم بهینه می‌کند و به هر تصمیم واگذاری اعتبار جداگانه می‌دهد. با یک روش واگذاری مبتنی بر داور بیرونی هم انتخاب‌های طراحی را بررسی کردند: کِی واگذار شود، چطور تصمیم گرفته شود، چه کانتکستی به اشتراک گذاشته شود و مدل ابری چند وقت یک بار صدا زده شود.
یافته‌ها
- به سطح اجرای کامل با مدل بزرگ رسید یا از آن بهتر بود، در حالی که هزینه‌ی اجرا را تا ۶۲ درصد در SWE-Rebench و ۳۴ درصد در Terminal-Bench ۲٫۱ کم کرد.
- روی یک ایستگاه کاری محلی هم مستقر شد و صرفه‌جویی مشابهی در یک تنظیم واقعی لبه-ابر نشان داد.
محدودیت‌ها
نویسنده‌ها می‌گویند تمرکز روی کارهای طولانی کدنویسی بوده و کارهای دیگر مثل پژوهش عمیق یا کار با کامپیوتر آزموده نشده‌اند.
چرا مهم است
اجرای ایجنت کدنویسی کاملاً با مدل ابری گران است و کاملاً محلی ضعیف. این کار نشان می‌دهد مدل کوچک محلی می‌تواند بیشتر کار را انجام دهد و یاد بگیرد فقط در چند لحظه‌ی کلیدی کمک بخواهد.