Squeez: Poda Condicionada por Tarefa de Saídas de Ferramentas para Agentes de Programação

Squeez: Task-Conditioned Tool-Output Pruning for Coding Agents

April 4, 2026

Autores: Ádám Kovács

cs.AI

Resumo

Agentes de codificação consomem repetidamente observações longas de ferramentas, embora apenas uma pequena fração de cada observação seja relevante para a próxima etapa. Estudamos a poda condicionada por tarefa de saídas de ferramentas: dada uma consulta focada e uma saída de ferramenta, retornar o menor bloco de evidência textual que o agente deve inspecionar a seguir. Introduzimos um benchmark de 11.477 exemplos construídos a partir de interações do repositório SWE-bench e saídas sintéticas de ferramentas de múltiplos ecossistemas, com um conjunto de teste de 618 exemplos curado manualmente. Ajustamos finamente o Qwen 3.5 2B com LoRA e comparamos com modelos maiores de zero-shot e baselines heurísticas de poda. Nosso modelo atinge 0.86 de revocação e 0.80 de F1 enquanto remove 92% dos tokens de entrada, superando o Qwen 3.5 35B A3B de zero-shot por 11 pontos de revocação e todas as baselines heurísticas por uma ampla margem.

English

Coding agents repeatedly consume long tool observations even though only a small fraction of each observation matters for the next step. We study task-conditioned tool-output pruning: given a focused query and one tool output, return the smallest verbatim evidence block the agent should inspect next. We introduce a benchmark of 11,477 examples built from SWE-bench repository interactions and synthetic multi-ecosystem tool outputs, with a manually curated 618-example test set. We fine-tune Qwen 3.5 2B with LoRA and compare it against larger zero-shot models and heuristic pruning baselines. Our model reaches 0.86 recall and 0.80 F1 while removing 92% of input tokens, outperforming zero-shot Qwen 3.5 35B A3B by 11 recall points and all heuristic baselines by a wide margin.