論文の概要: Projecting the Emerging Mindset of SWE Agent by Launching a Wild Code Understanding Journey

• arxiv url: http://arxiv.org/abs/2606.08500v1
• Date: Sun, 07 Jun 2026 07:57:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.161656
• Title: Projecting the Emerging Mindset of SWE Agent by Launching a Wild Code Understanding Journey
• Title（参考訳）: ワイルドコード理解ジャーニーのローンチによるSWEエージェントの創発的マインドセットの予測
• Authors: Zhengyi Zhuo, Yan Liu,
• Abstract要約: リポジトリレベルのコード理解のためのスコープ化された装置であるAdaを紹介します。 Adaは有界ツールインターフェースを通じて実数に入り、有限軌跡として記録可能なオープンエンド探索を可能にする。 我々は、ナビゲーション、エビデンスの選択、合成、接地、視界の停止を可能にする観察レンズを通して、Adaの思考連鎖を投影する。
• 参考スコア（独自算出の注目度）: 4.711056535735579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Software engineering agents (SWE agents) increasingly work through tool-mediated trajectories in real repositories, yet their behavior remains difficult to characterize in concrete, observable terms. These trajectories record tool use, intermediate reasoning, evidence selection, and self-directed stopping, but they do not by themselves explain why particular moves were chosen, what evidence was trusted, or when understanding was judged sufficient. This tension makes trajectory data both limited and valuable: faithful, replayable traces can become an empirical substrate for studying agent behavior when interpreted through disciplined observation. We introduce Ada, a scoped apparatus for repository-level code understanding. Ada enters real codebases through a bounded tool interface, allowing open-ended exploration to remain recordable as finite trajectories. Across this wild-but-bounded setting, Ada chooses where to look, what to read closely, when to consolidate partial understanding, and when to close its account of the repository. We project Ada's think-action chains through observation lenses that make navigation, evidence selection, synthesis, grounding, and stopping visible without reducing behavior to raw tool counts or speculating about hidden intent. Read together, these lenses produce behavioral profiles grounded in recorded movement through software worlds. Across 408 trajectories, spanning multiple models, repositories, task families, and launch conditions, the study shows how faithful digital traces can be transformed into disciplined, comparable projections of emerging SWE-agent mindset. The results expose differences in efficiency, trajectory diversity, epistemic grounding, and the limits of intervention, while providing a methodological foundation for observing SWE agent behavior in real codebases.
• Abstract（参考訳）: ソフトウェアエンジニアリングエージェント(SWEエージェント)は、実際のリポジトリにおけるツール経由のトラジェクトリを通じて作業する傾向にあるが、その振る舞いは具体的かつ観察可能な用語で特徴づけるのが困難である。 これらの軌跡は、道具の使用、中間的推論、証拠の選択、そして自己指示的な停止を記録しているが、彼らはそれ自体が、なぜ特定の動きが選ばれたのか、証拠が信頼されたのか、あるいは理解が十分に判断された時について説明していない。 忠実で再生可能なトレースは、規律ある観察を通して解釈された場合、エージェントの振る舞いを研究するための実証的な基盤となる。 リポジトリレベルのコード理解のためのスコープ化された装置であるAdaを紹介します。 Adaは、有界ツールインターフェースを通じて実際のコードベースに入り、有限軌跡として記録可能なオープンエンド探索を可能にする。 このワイルドだがバウンドな設定の中で、Adaは、どこを見るか、何をよく読むか、いつ部分的な理解を統合するか、いつリポジトリのアカウントを閉じるかを選択する。 我々は、Adaの思考連鎖を観察レンズを通して投影し、ナビゲーション、エビデンスの選択、合成、接地、視界の停止を、生ツールの数を減らしたり、隠された意図を推測したりすることなく行う。 まとめて読むと、これらのレンズはソフトウェアの世界を通して記録された動きに基づく行動プロファイルを生成する。 複数モデル、リポジトリ、タスクファミリ、ローンチ条件にまたがる408のトラジェクトリを通じて、この研究は、デジタルトレースが、新興SWEエージェントの考え方に匹敵する規律にどのように変換されるかを示している。 その結果、実コードベースにおけるSWEエージェントの挙動を観察するための方法論的基盤を提供しながら、効率、軌道の多様性、疫学的接地、介入の限界の相違を明らかにした。

関連論文リスト

• ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both [55.182037225013836]
  ATLASは、単一の独立した「ワード」を機能トークンと呼び、エージェント操作と潜在視覚推論ユニットの両方として機能するフレームワークである。 ATLASは、明確な解釈可能性を維持しながら、挑戦的なベンチマークで優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-14T17:59:55Z)
• LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
  LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。 そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。 R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
  論文  参考訳（メタデータ） (2026-03-31T02:21:59Z)
• Fantastic Reasoning Behaviors and Where to Find Them: Unsupervised Discovery of the Reasoning Process [66.38541693477181]
  本稿では, アクティベーション空間の方向として, 異なる推論挙動を符号化する, 推論ベクトルの発見のための教師なしフレームワークを提案する。 思考の連鎖トレースを文レベルの「ステップ」にセグメント化することで、リフレクションやバックトラックのような解釈可能な振る舞いに対応する歪んだ特徴を明らかにする。 本研究では,SAEデコーダ空間における信頼性関連ベクトルを同定し,応答信頼性を制御する能力を示す。
  論文  参考訳（メタデータ） (2025-12-30T05:09:11Z)
• Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
  Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。 目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。 一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。 我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
  論文  参考訳（メタデータ） (2025-08-03T23:48:46Z)
• Offline Action-Free Learning of Ex-BMDPs by Comparing Diverse Datasets [87.62730694973696]
  本稿では,エージェント間の制御可能な特徴ダイナミクスの違いを利用して表現を学習する,サンプル効率のよいアルゴリズムCRAFTを紹介する。 我々はCRAFTの性能を理論的に保証し、おもちゃの例でその実現可能性を示す。
  論文  参考訳（メタデータ） (2025-03-26T22:05:57Z)
• Geospatial Trajectory Generation via Efficient Abduction: Deployment for Independent Testing [1.8877926393541125]
  情報(A*)探索により,移動軌跡を効率的に吸収できることが示される。 私たちはまた、正確な結果を提供するだけでなく、非常に大きなシナリオにもスケールできることを示す独自の実験について報告します。
  論文  参考訳（メタデータ） (2024-07-08T23:11:47Z)
• Learning Action-based Representations Using Invariance [18.1941237781348]
  我々は,制御に関係のある遠隔状態の特徴を割引する多段階制御可能性指標を学習するアクションビシミュレーション符号化を導入する。 我々は,報酬のない一様ランダムなデータに基づく行動ビシミュレーション事前学習が,複数の環境におけるサンプル効率を向上させることを実証した。
  論文  参考訳（メタデータ） (2024-03-25T02:17:54Z)
• Tracking through Containers and Occluders in the Wild [32.86030395660071]
  重い閉塞と封じ込めによる視覚追跡のための新しいベンチマークとモデルである$textbfTCOW$を紹介した。 我々は、教師付き学習とモデル性能の構造化評価の両方をサポートするために、合成データセットと注釈付き実データセットの混合を作成する。 最近の2つのトランスフォーマーベースビデオモデルを評価し,タスク変動の特定の設定下でターゲットを驚くほど追跡できるが,トラッキングモデルが真のオブジェクト永続性(permanence)の概念を獲得したと主張するまでには,かなりの性能差が残っていることを発見した。
  論文  参考訳（メタデータ） (2023-05-04T17:59:58Z)
• Imitation from Observation With Bootstrapped Contrastive Learning [12.048166025000976]
  IfO(IfO)は、マルコフ決定プロセスにおいて自律エージェントを訓練する学習パラダイムである。 本稿では,OfOアルゴリズムであるBootIfOLについて紹介する。 我々は,限られた数の実証軌道を用いて効果的な政策を訓練できることを示す,様々な制御タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2023-02-13T17:32:17Z)
• Unsupervised Controllable Generation with Self-Training [90.04287577605723]
  GANによる制御可能な世代は依然として困難な研究課題である。 本稿では,自己学習を通じてジェネレータを制御する潜伏符号の分布を学習するための教師なしフレームワークを提案する。 我々のフレームワークは、変分オートエンコーダのような他の変種と比較して、より良い絡み合いを示す。
  論文  参考訳（メタデータ） (2020-07-17T21:50:35Z)

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。