SuperScout實現低成本路由

：先「偵察」程式庫再派工，編碼代理成本降至五分之一 ——7B搜尋模型結合隱藏狀態路由，在SWE-bench Pro上以五分之一成本追平最佳單一模型表現 （綜合arXiv最新論文報導）在軟體工程自動化領域，前沿大型語言模型（LLM）雖能解決倉庫級軟體問題，但每一次嘗試都所費不貲。現有的路由系統僅從問題文字本身選擇模型，往往無法準確預判任務難度與所需資源。

為此，來自學術界的研究團隊提出了一種名為「SuperScout」的新穎系統，其核心概念是「先偵察倉庫，再進行路由」——在指派任務給昂貴的修復模型之前，先由一個輕量級搜尋模型深入探索程式碼庫，產出結構化的交接資訊，並以此為依據，將任務分配給最合適的修復器。這項研究已以預印本形式發表於arXiv（編號2608.04804），並在SWE-bench Pro基準測試上展現了驚人的成本效益。現有路由機制的瓶頸：只看問題，不看程式碼 傳統的編碼代理路由系統，通常依賴於從問題陳述（issue text）中提取特徵，再透過分類器或規則來選擇要呼叫的模型。

這種方法雖然簡單，卻存在根本性的缺陷：問題陳述往往無法充分反映倉庫內部的複雜性。一個看似簡單的錯誤報告，可能涉及多個檔案、跨模組的依賴關係，甚至隱藏著歷史遺留的技術債。僅憑文字判斷，容易將簡單任務分配給過於昂貴的模型，或將複雜任務分配給能力不足的模型，造成資源浪費或任務失敗。此外，現有路由系統在新增一個修復模型時，往往需要重新訓練整個路由器，缺乏擴展性。SuperScout的創新：偵察先行，交接為憑 SuperScout的設計哲學是「讓資訊流動，而非讓模型猜測」。其運作流程分為兩個階段。第一階段，由一個僅有70億參數的輕量級搜尋模型「SuperScout-7B」負責「偵察」任務。

這個搜尋器會深入倉庫，閱讀相關檔案、追蹤函數呼叫、檢查測試案例，並嘗試提出可能的修復方案。它的輸出並非直接修復，而是一份結構化的「交接文件」（handoff），其中包含了對問題的定位、可能涉及的檔案、初步的修復思路，以及它對自身判斷的「信心」程度。關鍵在於，這份交接文件中的「可重現性聲明」會經過沙盒（sandbox）驗證。也就是說，搜尋器提出的任何「我認為修改這個檔案可以解決問題」的聲明，都會在一個隔離的環境中實際執行測試，以確認其真實性。如果聲明無法通過驗證，這些虛假或不可靠的資訊會在交接給修復器之前被系統性地剝離。這項設計確保了交接文件的品質，避免了將搜尋器的錯誤判斷傳遞給後續的昂貴模型。

第二階段：基於隱藏狀態的「簡歷式」路由 在搜尋器完成偵察並產出交接文件後，系統進入第二階段：路由決策。這裡的關鍵創新在於，路由器並非直接讀取交接文件的文字內容，而是接收搜尋器在產生交接文件過程中的「隱藏狀態」（hidden states）——也就是神經網路內部對倉庫理解的中間表示。這些隱藏狀態，加上原始的任務文字，共同輸入到一個「基於簡歷的」（resume-based）路由器中。這個路由器會根據這些資訊，將任務分配給四個「前沿修復器」（frontier fixers）中的一個。

這四個修復器是不同規模或不同能力的頂尖模型，例如可能包含GPT-5、Claude 4、Gemini Ultra等（論文中未具體指名）。路由器的決策邏輯是「成本感知」的：它會嘗試預測哪個修復器能以最低的成本成功解決問題。如果任務簡單，路由器會傾向選擇最便宜的修復器；如果任務複雜，則會選擇更昂貴但能力更強的模型。實驗結果：成本降低五倍，解決率持平 研究團隊在SWE-bench Pro基準測試的完整Python子集（266個任務）上，並使用了官方設定的「封頂預算」層級進行評估。結果顯示，SuperScout的表現令人矚目：

解決率：SuperScout成功解決了159個任務，而最佳單一模型（不經路由）解決了158個任務。兩者幾乎持平，但SuperScout的總成本僅為最佳單一模型的約五分之一。這意味著，在相同的預算下，SuperScout可以處理更多的任務，或者將節省的成本用於其他環節。- 與隨機流量分配比較：SuperScout的表現也優於「隨機流量分配」的基線（即不進行智慧路由，隨機將任務分配給四個模型）。這證明了路由決策本身確實帶來了效益。關鍵發現：交接文件才是主要功臣，而非路由決策 然而，論文中最引人注目的發現，來自於一個「無路由消融」實驗。

研究團隊將SuperScout的路由器移除，改為「永遠使用最便宜的修復器，並附上交接文件」的策略。結果顯示，這個「無路由」系統在SWE-bench Pro上與完整的SuperScout系統「打成平手」，解決率幾乎相同。這項結果極具啟發性：它表明，SuperScout所帶來的成本節省與性能提升，主要來自於「先偵察倉庫並產生交接文件」這一行為，而非最終的路由決策本身。換句話說，交接文件本身已經包含了足夠的資訊，使得即使是最便宜的修復器，也能在獲得這些資訊後，表現得與昂貴的修復器一樣好。

路由決策在當前基準上並未帶來額外的增益，但這也暗示了，如果路由器的決策更加精準，或是在更困難的任務分佈上，其價值可能才會顯現。機制分析：交接文件「重新分配」而非「增加」解決能力 為了深入理解交接文件的作用機制，研究團隊進行了一項配對校準研究（paired calibration study）。他們將任務分組，並比較了不同修復器在「有交接文件」與「無交接文件」情況下的表現。結果發現了一個有趣的現象：

交接文件顯著提升了三個較便宜的修復器的解決能力，但略微損害了最強模型（最貴的那個）的表現。這表明，交接文件的作用是「重新分配」解決能力，而非「增加」整體能力。它將原本只有最強模型才能解決的任務，轉化為較弱模型也能解決的任務。這可能是因為，交接文件提供了強烈的「提示」或「線索」，讓較弱的模型更容易找到正確的修復方向。然而，對於最強模型而言，這些額外的提示可能反而限制了其探索空間，或者引入了不必要的偏見，導致其表現略微下降。不過，論文中也指出，由於樣本量僅有99個，這些每修復器的效果僅具有「方向性」意義，尚未達到統計顯著性。

路由器的隱藏狀態具有價值，但交接文件文字本身沒有 另一個有趣的發現是，在路由器的訓練與校準中，搜尋器的「隱藏狀態」對成本路由的預測有顯著幫助，但交接文件的「文字內容」本身卻沒有。這意味著，路由器的決策能力，可能更多地來自於搜尋器在探索倉庫過程中所形成的「內部表徵」（即隱藏狀態），這些表徵捕捉了任務的複雜度、倉庫的結構等資訊，而這些資訊是交接文件的文字形式無法完全傳達的。這也暗示了，未來可以設計更直接利用隱藏狀態的路由機制，而非僅依賴文字。成本效益：搜尋器運算成本極低 研究團隊也計算了搜尋器的運算成本。在每個任務上，SuperScout-7B的GPU時間成本不到0.5美分。

相較於前沿修復器每次呼叫可能高達數美元的成本，這筆額外開銷幾乎可以忽略不計。這使得SuperScout在經濟上具有極強的吸引力，因為它用極低的成本換取了大量的資訊，進而節省了昂貴的修復器呼叫。結論與展望：路由與偵察的未來 總結而言，SuperScout提出了一種「先偵察，後路由」的新範式，並透過實驗證明了「交接文件」在降低編碼代理成本方面的巨大潛力。雖然目前的路由決策並未帶來額外的增益，但這項研究為未來的發展指明了方向：

強化路由決策：既然交接文件本身已能提升弱模型能力，未來的重點應放在如何讓路由決策更精準，例如利用搜尋器的隱藏狀態來預測哪個修復器最適合處理特定任務，並在「無路由」的基礎上進一步提升整體表現。2.探索更強搜尋器：目前使用7B模型作為搜尋器，若使用更大、更強的搜尋器，產生的交接文件品質可能更高，或許能進一步縮小與最強模型的差距，甚至超越。3.動態調整交接文件：針對最強模型可能被交接文件「干擾」的問題，可以設計動態機制，根據任務難度或修復器的能力，決定是否提供交接文件，或提供不同詳細程度的交接文件。

這項研究不僅為編碼代理的經濟性提供了實用的解決方案，也為理解「模型間知識傳遞」與「任務路由」的機制提供了新的視角。未來，我們或許會看到更多結合「偵察」與「路由」的系統，在自動化軟體修復領域中，實現更高效、更智慧的資源配置。