論文の概要: Lore: Repurposing Git Commit Messages as a Structured Knowledge Protocol for AI Coding Agents
- arxiv url: http://arxiv.org/abs/2603.15566v1
- Date: Mon, 16 Mar 2026 17:27:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 18:28:58.693194
- Title: Lore: Repurposing Git Commit Messages as a Structured Knowledge Protocol for AI Coding Agents
- Title（参考訳）: Lore: AIコーディングエージェントのための構造化知識プロトコルとしてGitコミットメッセージを再利用する
- Authors: Ivan Stetsenko,
- Abstract要約: 本稿では,コミットメッセージを自己完結型決定レコードに再構成する軽量プロトコルであるLoreを提案する。
Loreはgit以外のインフラストラクチャを必要とせず、スタンドアロンのCLIツール経由でクエリ可能であり、シェルコマンドを実行可能なエージェントによって検出可能である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As AI coding agents become both primary producers and consumers of source code, the software industry faces an accelerating loss of institutional knowledge. Each commit captures a code diff but discards the reasoning behind it - the constraints, rejected alternatives, and forward-looking context that shaped the decision. I term this discarded reasoning the Decision Shadow. This paper proposes Lore, a lightweight protocol that restructures commit messages - using native git trailers - into self-contained decision records carrying constraints, rejected alternatives, agent directives, and verification metadata. Lore requires no infrastructure beyond git, is queryable via a standalone CLI tool, and is discoverable by any agent capable of running shell commands. The paper formalizes the protocol, compares it against five competing approaches, stress-tests it against its strongest objections, and outlines an empirical validation path.
- Abstract（参考訳）: AIコーディングエージェントがソースコードの主要な生産者と消費者の両方になるにつれ、ソフトウェア産業は機関的知識の喪失を加速させている。
各コミットはコード差分をキャプチャするが,その背景にある理由 – 制約,代替案の拒否,意思決定を形作る前方のコンテキスト – を破棄する。
私はこれを「決定の影」の理由で捨てたと表現する。
本稿では,コミットメッセージ(ネイティブgitトレーラ)を制約付き自己完結型決定レコードに再構成する軽量プロトコルであるLoreを提案する。
Loreはgit以外のインフラストラクチャを必要とせず、スタンドアロンのCLIツール経由でクエリ可能であり、シェルコマンドを実行可能なエージェントによって検出可能である。
この論文はプロトコルを形式化し、競合する5つのアプローチと比較し、最も強い反対に対してストレステストを行い、実証的な検証パスを概説する。
関連論文リスト
- Sponge Tool Attack: Stealthy Denial-of-Efficiency against Tool-Augmented Agentic Reasoning [58.432996881401415]
最近の作業では、エージェント推論を可能にするために、外部ツールで大きな言語モデル(LLM)を拡張している。
本稿では,入力プロンプトを書き換えることのみでエージェント推論を妨害するスポンジツールアタック(STA)を提案する。
STAは、意味的忠実度の高い原文からの良心的な即興的な書き直しを生成する。
論文 参考訳（メタデータ） (2026-01-24T19:36:51Z) - GITER: A Git-Based Declarative Exchange Model Using Kubernetes-Style Custom Resources [0.0]
本稿では,Gitを調整媒体として,分散エンティティ間で非同期情報交換を行う軽量で監査可能な手法を提案する。
提案されたアプローチは、従来のAPIとメッセージブローカを、オペレータとカスタムリソース(CR)の原則に基づいて構築されたGitベースの通信モデルに置き換えるものだ。
論文 参考訳（メタデータ） (2025-11-06T08:31:53Z) - AgentPack: A Dataset of Code Changes, Co-Authored by Agents and Humans [46.56091965723774]
コード編集のための微調整された大きな言語モデルは、一般的にコミットのマイニングやプルリクエストに依存しています。
我々は、Claude Code、OpenAI Codex、Cursor Agentが共著した1.3Mコード編集コーパスであるAgentPackを紹介する。
AgentPackで微調整されたモデルは、以前の人間のみのコミットコーパスで訓練されたモデルより優れていることを示す。
論文 参考訳（メタデータ） (2025-09-26T05:28:22Z) - Git Context Controller: Manage the Context of LLM-based Agents like Git [6.521644491529639]
大きな言語モデル(LLM)ベースのエージェントは、内部推論と外部ツールの使用をインターリーブすることによって、印象的な機能を示している。
ソフトウェアバージョン管理システムにインスパイアされた構造化コンテキスト管理フレームワークであるGit-Context-Controller(GCC)を紹介した。
自己複製のケーススタディでは、GCCを増強したエージェントが新しいCLIエージェントをスクラッチから作り、40.7タスクの解決を実現した。
論文 参考訳（メタデータ） (2025-07-30T08:01:45Z) - Contextual Code Retrieval for Commit Message Generation: A Preliminary Study [18.46986692375691]
コミットメッセージはコミットの主要なコード変更を記述し、ソフトウェアメンテナンスにおいて重要な役割を果たす。
既存のコミットメッセージ生成アプローチでは、コード差分を入力し、短い記述文を出力として生成する、直接マッピングとしてフレーム化するのが一般的である。
原コード差分は、高品質なコミットメッセージを生成するのに必要な完全なコンテキストをキャプチャできないため、コード差分のみに依存することは不十分である、と私たちは主張する。
論文 参考訳（メタデータ） (2025-07-23T16:54:57Z) - Dense Retrievers Can Fail on Simple Queries: Revealing The Granularity Dilemma of Embeddings [65.31723739561151]
埋め込みは、エンコードされたセマンティクス内のきめ細かいエンティティやイベントを認識できないかもしれない。
本稿では,新たな評価データセットであるCapRetrievalを導入し,文節は画像キャプションであり,クエリはエンティティやイベントの概念を多種多様な形式でターゲットとするフレーズである。
我々は提案したデータ生成戦略でエンコーダを微調整し、小さな0.1Bエンコーダで最先端の7Bモデルを上回る性能を実現した。
論文 参考訳（メタデータ） (2025-06-10T09:00:33Z) - When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。
タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
論文 参考訳（メタデータ） (2025-02-21T02:24:43Z) - ConstraintChecker: A Plugin for Large Language Models to Reason on
Commonsense Knowledge Bases [53.29427395419317]
コモンセンス知識ベース(CSKB)に対する推論は,新しいコモンセンス知識を取得する方法として検討されてきた。
我々は**ConstraintChecker*を提案します。
論文 参考訳（メタデータ） (2024-01-25T08:03:38Z) - ECMG: Exemplar-based Commit Message Generation [45.54414179533286]
コミットメッセージは、コード差分の内容(つまり、コードの変更)とそれらの背後にある意図を簡潔に記述する。
情報検索ベースの手法は、類似のコードdiffsのコミットメッセージを再利用し、ニューラルベースの手法は、コードdiffsとコミットメッセージ間のセマンティックな接続を学習する。
本稿では、類似のコミットメッセージを例に扱い、ニューラルネットワークモデルを誘導して正確なコミットメッセージを生成する、新しい例ベースのニューラルコミットメッセージ生成モデルを提案する。
論文 参考訳（メタデータ） (2022-03-05T10:55:15Z) - CoreGen: Contextualized Code Representation Learning for Commit Message
Generation [39.383390029545865]
コミットメッセージ生成(CoreGen)のためのコンテキスト適応型コード表現学習戦略を提案する。
ベンチマークデータセットの実験では、BLEU-4スコアの少なくとも28.18%の改善により、ベースラインモデルよりもモデルの有効性が向上した。
論文 参考訳（メタデータ） (2020-07-14T09:43:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。