Fugu-MT 論文翻訳(概要): Empowering Autonomous Debugging Agents with Efficient Dynamic Analysis

論文の概要: Empowering Autonomous Debugging Agents with Efficient Dynamic Analysis

arxiv url: http://arxiv.org/abs/2604.24212v1
Date: Mon, 27 Apr 2026 09:18:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-28 17:12:07.874035
Title: Empowering Autonomous Debugging Agents with Efficient Dynamic Analysis
Title（参考訳）: 効率的な動的解析による自律デバッギングエージェントの活用
Authors: Jiahong Xiang, Xiaoyang Xu, Xiaopan Chu, Hongliang Tian, Yuqun Zhang,
Abstract要約: Agent-centric Interface (ADI) はコスト効率が高く、エンドツーエンドの自律的インタラクションツールである。 ADIはSWEベンチマークのタスクの63.8%を解決している。 ADIは既存のSOTAエージェントのプラグアンドプレイコンポーネントであり、解決されたタスクの6.2%から18.5%まで一貫した利得を提供する。
参考スコア（独自算出の注目度）: 5.748806787695848
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Autonomous agents for automated program repair represent a promising frontier in software engineering, yet their effectiveness is often hindered by reliance on post-mortem, coarse-grained execution feedback. While integrating traditional interactive debuggers seems a natural solution, their low-level, line-by-line interaction paradigm turns out to be cost-inefficient for LLM-based agents, leading to exhausted budgets and unproductive loops. To mitigate this, we introduce Agent-centric Debugging Interface (ADI), a novel agent-centric debugging interface designed for cost-efficient, end-to-end autonomous interaction. Specifically, Agent-centric Debugging Interface realizes a function-level interaction paradigm, powered by our Frame Lifetime Trace, a comprehensive data structure encapsulating a function's stateful execution trace, and a set of high-level navigational commands. Our extensive evaluation on the SWE-bench benchmark demonstrates the effectiveness and efficiency of ADI. By simply equipping a basic agent with ADI, it successfully resolves 63.8\% of the tasks on the SWE-bench Verified set, even slightly outperforming the highly optimized and high-investment Claude-Tools agent, at an average cost of USD 1.28 per task with Claude-Sonnet-3.7. Furthermore, we demonstrate ADI's generality by integrating it as a plug-and-play component into existing SOTA agents, delivering consistent gains ranging from 6.2\% to 18.5\% on the resolved tasks. These results indicate that Agent-centric Debugging Interface can provide a general and efficient enhancement for existing autonomous agents.
Abstract（参考訳）: 自動プログラム修復のための自律エージェントは、ソフトウェアエンジニアリングにおける有望なフロンティアである。従来の対話型デバッガの統合は自然なソリューションに思えるが、その低レベルのライン・バイ・ラインのインタラクションパラダイムは、LCMベースのエージェントにとってコスト非効率であることが判明し、予算の枯渇と非生産的ループにつながった。これを軽減するために,エージェント中心デバッグインタフェース (ADI) を導入する。具体的には、エージェント中心のデバッグインタフェースは、私たちのFrame Lifetime Traceを利用した関数レベルのインタラクションパラダイム、関数のステートフルな実行トレースをカプセル化した包括的なデータ構造、高レベルのナビゲーションコマンドセットを実現します。 SWE-benchベンチマークの広範な評価は、ADIの有効性と効率を実証する。基本エージェントにADIを装備するだけで、SWE-ベンチ検証セット上のタスクの63.8 %を解決でき、高度に最適化された高投資のClaude-Toolsエージェントを、Claude-Sonnet-3.7で1タスクあたり平均1.28米ドルでわずかに上回っている。さらに,既存のSOTAエージェントにプラグイン・アンド・プレイコンポーネントとして組み込むことで,ADIの汎用性を実証する。これらの結果は,エージェント中心のデバッグインタフェースが,既存の自律エージェントの汎用的かつ効率的な拡張を実現することを示唆している。

関連論文リスト

A1: A Fully Transparent Open-Source, Adaptive and Efficient Truncated Vision-Language-Action Model [112.9420001646428]
VLA(Vision-Language-Action)モデルは、オープンワールドロボット操作の強力なパラダイムとして登場したが、実際の展開はコストに制約されることが多い。我々は、低コストで高スループットな推論のために設計された、完全にオープンソースで透明なVLAフレームワークであるA1を提示する。 A1は最先端の成功率を達成すると同時に、推論コストを大幅に削減する。
論文参考訳（メタデータ） (2026-04-07T10:18:40Z)
Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文参考訳（メタデータ） (2026-03-23T14:48:54Z)
EvoRoute: Experience-Driven Self-Routing LLM Agent Systems [100.64399490164959]
EvoRouteは、静的で事前定義されたモデルの割り当てを超越する、自己進化型のモデルルーティングパラダイムである。挑戦的なエージェントベンチマークの実験によると、既製のエージェントシステムに統合されたEvoRouteは、システムのパフォーマンスを維持または向上するだけでなく、実行コストを最大80%削減し、レイテンシを70%以上削減する。
論文参考訳（メタデータ） (2026-01-06T04:06:46Z)
Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文参考訳（メタデータ） (2025-12-20T12:06:13Z)
AgentBay: A Hybrid Interaction Sandbox for Seamless Human-AI Intervention in Agentic Systems [29.451397580654316]
我々は,ハイブリッドインタラクションのためにゼロから設計された新しいサービスであるAgentBayを紹介する。 AgentBayはセキュアで独立した実行環境を提供する。Windows、Linux、Android、Webブラウザ、インタープリタ。我々の評価は、セキュリティ、パフォーマンス、タスク完了率の強い結果を示す。
論文参考訳（メタデータ） (2025-12-04T01:31:00Z)
Stop Wasting Your Tokens: Towards Efficient Runtime Multi-Agent Systems [11.42175340352007]
SupervisorAgentは、ランタイムと適応的な監視のための軽量でモジュール化されたフレームワークです。 SupervisorAgentは、エラーを積極的に修正し、非効率な振る舞いを誘導し、観察を浄化するために、臨界点に介入する。挑戦的なGAIAベンチマークでは、SupervisorAgentは成功率を損なうことなく、Smolagentフレームワークのトークン消費を平均29.45%削減した。
論文参考訳（メタデータ） (2025-10-30T15:12:59Z)
AgentChangeBench: A Multi-Dimensional Evaluation Framework for Goal-Shift Robustness in Conversational AI [5.165179548592513]
AgentChangeBenchは、ツール拡張言語モデルエージェントがミッドダイアログのゴールシフトにどのように適応するかを測定するために設計されたベンチマークである。本フレームワークは,タスク成功率(TSR),信頼性のためのツール利用効率(TUE),無駄な作業のためのツールコール冗長率(TCRR),適応のためのゴールシフト回復時間(GSRT)の4つの相補的指標を用いて評価を定式化する。
論文参考訳（メタデータ） (2025-10-20T23:48:07Z)
Automatic Failure Attribution and Critical Step Prediction Method for Multi-Agent Systems Based on Causal Inference [8.823529310904162]
マルチエージェントシステム(MAS)は複雑なタスクの自動化に不可欠であるが、その実践的展開は障害帰属の課題によって妨げられている。マルチグラニュラリティ因果推論に基づくMASのための最初の失敗帰属フレームワークを提案する。
論文参考訳（メタデータ） (2025-09-10T15:22:00Z)
Agent Q: Advanced Reasoning and Learning for Autonomous AI Agents [44.34340798542]
大きな言語モデル(LLM)は、複雑な推論を必要とする自然言語タスクにおいて顕著な能力を示している。静的データセットに対する従来の教師付き事前トレーニングは、自律的なエージェント機能を実現するには不十分である。本稿では,モンテカルロ木探索(MCTS)を自己批判機構と組み合わせ,エージェント間相互作用を反復的に微調整するフレームワークを提案する。
論文参考訳（メタデータ） (2024-08-13T20:52:13Z)

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。