[논문리뷰] FastContext: Training Efficient Repository Explorer for Coding Agents본 논문은 LLM 기반 코딩 에이전트의 저장소 탐색 단계에서 발생하는 고비용 토큰 소비 및 불필요한 컨텍스트 오염 문제를 해결하기 위해 제안되었다. 기존 에이전트들은 동일한 모델이 탐색과 문제 해결을 모두 수행하여, 탐색 과정에서 누적된 방대한 양의 관련 없는 코드 스니펫이 주 모델의 컨텍스트를 오염시킨다 .#Review#Coding Agents#Repository Exploration#Subagent Architecture#Supervised Fine-Tuning#Reinforcement Learning#Context Efficiency#Token Consumption2026년 6월 15일댓글 수 로딩 중
[논문리뷰] SWE-Explore: Benchmarking How Coding Agents Explore Repositories본 논문은 기존의 SWE-bench와 같은 벤치마크가 이슈 해결 여부를 이분법적(성공/실패)으로만 판단하여, 에이전트의 내부적인 탐색, 위치 파악, 맥락 추출 능력을 측정하지 못하는 문제를 해결하고자 합니다 .#Review#Repository-level Coding#Coding Agents#Repository Exploration#Line-level Benchmark#Context Retrieval#Software Engineering2026년 6월 8일댓글 수 로딩 중