論文の概要: Agentic Coding Needs Proactivity, Not Just Autonomy
- arxiv url: http://arxiv.org/abs/2605.06717v1
- Date: Thu, 07 May 2026 03:52:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.484995
- Title: Agentic Coding Needs Proactivity, Not Just Autonomy
- Title（参考訳）: エージェントコーディングは、単に自律性ではなく、プロアクティビティを必要とする
- Authors: Nghi D. Q. Bui, Georgios Evangelopoulos,
- Abstract要約: コーディングエージェントは、インラインコンプリートから、リポジトリの編集、プルリクエストのオープン、問題への対応、スケジュールやWebフックによる開発ライフサイクル全体にわたるルーチンの実行など、ソフトウェア開発の状況に急速に変化しています。
しかし、この分野には、ソフトウェア開発にとっての積極的活動が何を意味するのか、自律性とどのように異なるのか、前向きな長期タスクが満足すべき受け入れ基準、そしてどのメトリクスが、単にアクティブではなく、非孤立的なエージェントの振る舞いが有用か、といった明確な説明がない。
プロアクティビティの3段階分類(リアクティブ、スケジューリング、状況認識)を提案し、現代のコーディングエージェントを5つの実践基準と比較し、スケッチする。
- 参考スコア（独自算出の注目度）: 7.729585224526345
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coding agents are rapidly changing the landscape of software development, moving from inline completion to autonomous systems that edit repositories, open pull requests, respond to issues, and run scheduled or webhook triggered routines across the development life cycle. The next generation is increasingly described as proactive and long-horizon: agents should notice relevant changes before the developer asks, connect signals across tools, decide when to interrupt, and carry preferences across sessions. Yet the field still lacks a clear account of what proactivity means for software development, how it differs from autonomy, what acceptance criteria proactive long-horizon tasks should satisfy, and which metrics determine whether unsolicited agent behavior is useful rather than merely active. Proactive coding agents should be evaluated by the quality and improvement of their insight policy: the policy that decides what matters next, what evidence supports it, whether to show it, and how to adapt after feedback. This view is grounded in the principles of mixed initiative interaction. We propose a three level taxonomy of proactivity (Reactive, Scheduled, and Situation Aware), compare contemporary coding agents against five practical criteria, and sketch an active user simulation protocol with three evaluation targets: Insight Decision Quality (IDQ), Context Grounding Score (CGS), and Learning Lift
- Abstract（参考訳）: コーディングエージェントは、インラインコンプリートから、リポジトリの編集、プルリクエストのオープン、問題への対応、スケジュールやWebフックによる開発ライフサイクル全体にわたるルーチンの実行など、ソフトウェア開発の状況に急速に変化しています。
エージェントは、開発者が尋ねる前に関連する変更に気付くべきである。
しかし、この分野には、ソフトウェア開発にとっての積極的活動が何を意味するのか、自律性とどのように異なるのか、前向きな長期タスクが満足すべき受け入れ基準、そしてどのメトリクスが、単にアクティブではなく、非孤立的なエージェントの振る舞いが有用か、といった明確な説明がない。
積極的コーディングエージェントは、その洞察ポリシーの質と改善によって評価されるべきである。次の問題を決定する政策、それを支持する証拠、それを示すかどうか、フィードバック後の適応方法である。
この考え方は、混合イニシアティブ相互作用の原則に基づいている。
プロアクティブな3段階の分類(リアクティブ、スケジューリング、状況認識)を提案し、現代のコーディングエージェントを5つの実践基準と比較し、アクティブなユーザシミュレーションプロトコルを3つの評価目標: Insight Decision Quality(IDQ)、Context Grounding Score(CGS)、Learning Lift(Learning Lift)でスケッチする。
関連論文リスト
- Autogenesis: A Self-Evolving Agent Protocol [60.15939127351914]
本稿では,自己進化プロトコルであるAutogenesis Protocol(AGP)を紹介する。
本稿では,実行中のプロトコル登録リソースを動的にインスタンス化し,検索し,精錬する自己進化型マルチエージェントシステムAGSを提案する。
論文 参考訳（メタデータ） (2026-04-16T14:04:06Z) - Agent Mentor: Framing Agent Knowledge through Semantic Trajectory Analysis [4.365760422569902]
我々は、Agent Mentorオープンソースライブラリの一部として実装された分析パイプラインを紹介する。
システムの監視と漸進的な適応によって、他のエージェントの振る舞いを定義する。
パイプラインは、エージェントの知識に修正命令を体系的に注入することで、パフォーマンスを向上させる。
論文 参考訳（メタデータ） (2026-04-12T08:02:54Z) - KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation [72.01173512175531]
KnowU-Benchはパーソナライズされたモバイルエージェントのためのオンラインベンチマークである。
42のGUIタスク、86のパーソナライズされたタスク、64のプロアクティブタスクをカバーしている。
明示的なタスク実行に優れるエージェントは、あいまいな指示の下で50%以下に低下する。
論文 参考訳（メタデータ） (2026-04-09T16:50:50Z) - AutoAgent: Evolving Cognition and Elastic Memory Orchestration for Adaptive Agents [26.380991138110925]
AutoAgentは、認知の進化、オンザフライでのコンテキスト決定、弾力性のあるメモリオーケストレーションに基づく、自己進化型のマルチエージェントフレームワークである。
各エージェントは、ツール、自己能力、同僚の専門知識、タスク知識に関する構造化されたプロンプトレベルの認知を維持する。
AutoAgentは、静的およびメモリ拡張ベースラインに対するタスク成功、ツール使用効率、共同ロバスト性を一貫して改善する。
論文 参考訳（メタデータ） (2026-03-10T14:23:49Z) - Beyond the 'Diff': Addressing Agentic Entropy in Agentic Software Development [42.371764229953165]
エージェントによる決定が時間やツールコール,アーキテクチャ境界を越えてどのように展開されるかを明らかにする,プロセス指向の説明可能性フレームワークを提案する。
私たちのアプローチは、既存のレビュープラクティスを置き換えるのではなく、補完するインテントレベルのテレメトリを提供します。
認知的ドリフトをコード品質と並んで第一級の関心事として扱うことで、エージェントの監視に必要な人間の理解の最小レベルを安定的に維持する。
論文 参考訳（メタデータ） (2026-03-03T12:55:28Z) - ClarEval: A Benchmark for Evaluating Clarification Skills of Code Agents under Ambiguous Instructions [19.875754116636436]
ClarEvalは、人間のコミュニケーションのあいまいさをシミュレートすることで、エージェントの「協調的クオリティ」を評価するために設計されたフレームワークである。
この能力の定量化のために,Average Turnsが主導するメトリクススイートを提案し,コーダ(ATC)とキー質問カバレッジ(KQC)を明らかにする。
GPT-5-Coderのようなモデルはコーディングに優れていますが、効率的なパートナーシップに必要な戦略的コミュニケーションスキルは欠如しています。
論文 参考訳（メタデータ） (2026-02-27T01:10:27Z) - AgentIF-OneDay: A Task-level Instruction-Following Benchmark for General AI Agents in Daily Scenarios [49.90735676070039]
持続時間と複雑さが増大するタスクを効果的に処理するAIエージェントの能力は、成長を続けている。
エージェントタスクの多様性に十分対処することなく,タスクの難易度の向上を優先している。
本稿では,自然言語命令とAIエージェントを多種多様な日常タスクに活用できるかどうかを判定するエージェントIF-OneDayを提案する。
論文 参考訳（メタデータ） (2026-01-28T13:49:18Z) - Issue-Oriented Agent-Based Framework for Automated Review Comment Generation [15.04868140672973]
RevAgentは、コードレビューコメントのための新しいエージェントベースのイシュー指向フレームワークである。
タスクは生成、識別、訓練の3段階に分けられる。
最先端のPLMとLMベースのベースラインをはるかに上回っている。
論文 参考訳（メタデータ） (2025-11-01T11:44:11Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z)
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。