論文の概要: Dockerless: Environment-Free Program Verifier for Coding Agents

• arxiv url: http://arxiv.org/abs/2606.28436v1
• Date: Fri, 26 Jun 2026 06:14:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.558303
• Title: Dockerless: Environment-Free Program Verifier for Coding Agents
• Title（参考訳）: Dockerless: コーディングエージェントのための環境のないプログラム検証ツール
• Abstract要約: Dockerlessは環境のないエージェント型パッチ検証ツールで、実行せずに生成されたコードパッチを評価する。 検証者評価ベンチマークでは、Dockerlessは14.3AUCポイントで最強のオープンソース検証者を上回っている。
• 参考スコア（独自算出の注目度）: 18.694833759829688
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Program verifiers play a central role in training coding agents, including selecting trajectories for supervised fine-tuning (SFT) and providing rewards for reinforcement learning (RL). Standard execution-based verification requires running unit tests inside per-repository environments such as Docker images, incurring substantial environment setup costs. We propose Dockerless, an environment-free agentic patch verifier that evaluates generated code patches without executing them. Rather than simply matching candidate patches to references, Dockerless judges patch correctness using evidence gathered through agentic repository exploration. On a verifier evaluation benchmark, Dockerless outperforms the strongest open-source verifier by 14.3 AUC points. Using Dockerless as both the SFT trajectory filter and the RL reward enables a fully environment-free post-training pipeline. The resulting model reaches 62.0%, 50.0%, and 35.2% resolve rate on SWE-bench Verified, Multilingual, and Pro, respectively. It surpasses the Qwen3.5-9B baseline by 2.4, 8.7, and 2.9 points, matching environment-based post-training.
• Abstract（参考訳）: プログラム検証者は、教師付き微調整(SFT)のための軌道の選択や強化学習(RL)のための報酬など、コーディングエージェントの訓練において中心的な役割を果たす。 標準的な実行ベースの検証では、Dockerイメージなどのリポジトリごとの環境内でユニットテストを実行し、相当な環境設定コストを発生させる必要がある。 環境のないエージェント型パッチ検証ツールであるDockerlessを提案する。 Dockerlessは、単に参照に候補パッチをマッチさせるのではなく、エージェントリポジトリ探索を通じて収集されたエビデンスを使ってパッチの正当性を判断する。 検証者評価ベンチマークでは、Dockerlessは14.3AUCポイントで最強のオープンソース検証者を上回っている。 SFTトラジェクトリフィルタとRL報酬の両方としてDockerlessを使用することで、完全な環境のないポストトレーニングパイプラインが可能になる。 得られたモデルはSWE-bench Verified、Multilingual、Proでそれぞれ62.0%、50.0%、35.2%に達する。 Qwen3.5-9Bベースラインを2.4、8.7、および2.9ポイント上回る。

関連論文リスト

• Cross-Benchmark Generalization in Long-Horizon Agents [1.0742728354283815]
  我々は,27のカテゴリにわたる363の長距離モデルコンテキストプロトコル(MCP)タスク上で,オープンウェイト・ミックス・オブ・エキスパート・モデルを構築した。 トレーニングには外部ベンチマークタスクやグレーダが入らず、報酬、ハイパーパラメータのトレーニング、トレーニングされたチェックポイントの選択、停止を外部スコアが知らせなかった。 両方のソフトウェアベンチマークは、ソフトウェアエンジニアリングタスクを含まないトレーニングコレクションにもかかわらず改善されている。
  論文  参考訳（メタデータ） (2026-07-31T18:05:36Z)
• Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models [49.259951930558]
  コーディングエージェントは、継続的な推論に外部ツールリターンを統合する必要がある。 我々は,中等教育における機能意識の充足を通じてこれを活用する。
  論文  参考訳（メタデータ） (2026-07-14T07:44:26Z)
• SETA: Scaling Environments for Terminal Agents [49.686781072283814]
  強化学習のための検証可能な端末環境を生成するためのスケーラブルなフレームワークであるSETAを提案する。 SETA-Envは、これまでで最大4500以上の環境を含む、オープンソースの検証可能な端末RLデータセットです。
  論文  参考訳（メタデータ） (2026-07-12T19:40:27Z)
• KAT-Coder-V2.5 Technical Report [61.907486544595336]
  KAT-Coder-V2.5は、実際の実行可能リポジトリ内で自律的に動作するよう訓練されたコーディング中心のエージェントモデルである。 マルチ言語リポジトリをサンドボックス環境に再構築し、フェイル・ツー・パスとパス・ツー・パスの検証を大規模に行う。 我々はさらに、ハーネスランダム化による強化学習、信頼性の強化されたサンドボックス、非対称なアクター-クリティックPPO、およびハイチ指向の報酬フレームワークをスケールする。
  論文  参考訳（メタデータ） (2026-07-06T08:14:02Z)
• LiteCoder-Terminal: Scaling Long-Horizon Terminal Environments for Learning Language Agents [74.07551833809536]
  ドメイン仕様から直接端末トレーニング環境を生成するゼロ依存パイプラインである LiteCoder-Terminal-Gen を紹介する。 このフレームワークを用いて,10ドメインにわたる11,255のエキスパートトラジェクトリからなるLiteCoder-Terminal-SFTと,トラジェクトリレベルの優先度最適化のための602の検証可能な環境を備えたLiteCoder-Terminal-RLという2つの大規模リソースを構築した。
  論文  参考訳（メタデータ） (2026-05-28T08:11:57Z)
• CUA-Gym: Scaling Verifiable Training Environments and Tasks for Computer-Use Agents [64.53357162213601]
  検証可能な報酬(RLVR)による強化学習は、数学、ツールユース、ソフトウェア工学といった分野において画期的な成果を上げている。 しかし、コンピュータ利用エージェント(CUA)への拡張は、決定論的報酬を伴うスケーラブルなトレーニングデータの不足によってボトルネックになっている。 本稿では,タスク命令,環境状態,報酬関数を共同生成するスケーラブルパイプラインCUA-Gymを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:28:03Z)
• When Simulation Lies: A Sim-to-Real Benchmark and Domain-Randomized RL Recipe for Tool-Use Agents [32.54888729689753]
  ツール使用による部分的に観測可能なマルコフ決定過程(POMDP)における実測ギャップとしての失敗について検討する。 本稿では,ドメインランダム化強化学習(RL)レシピであるToolRL-DRを提案する。 3Bバックボーンでは、ToolRL-DR-Fullは約4分の3のクリーンな精度を維持し、オープンソースの14B関数呼び出しベースラインに匹敵する集計精度に達する。
  論文  参考訳（メタデータ） (2026-05-12T10:40:28Z)
• Controllable and Verifiable Tool-Use Data Synthesis for Agentic Reinforcement Learning [82.89535601592739]
  マルチレベル検証を用いた自己進化型合成により,信頼性の高い基本ツール利用軌跡を生成する2段階パイプラインを提案する。 これらの拡張は、トラクタツール、間接的または曖昧なユーザクエリ、ノイズ、マルチフォーマット、あるいは誤ったツール出力を導入します。 本設計では,標準事例に対する参照マッチングによる報酬の自動計算と,エラー検出などの特別な動作に対する軽量な判断支援検証を実現する。
  論文  参考訳（メタデータ） (2026-04-10T18:38:52Z)
• daVinci-Env: Open SWE Environment Synthesis at Scale [21.291944594753385]
  有能なソフトウェアエンジニアリング(SWE)エージェントの訓練には、大規模で実行可能で検証可能な環境が必要である。 我々は、PythonにおけるSWEエージェントトレーニングのための最大の完全透明なフレームワークであるOpenSWEを紹介する。 OpenSWEは64ノードの分散クラスタにデプロイされたマルチエージェント合成パイプラインを通じて構築される。
  論文  参考訳（メタデータ） (2026-03-13T14:32:40Z)
• SWE-World: Building Software Engineering Agents in Docker-Free Environments [91.17484806743641]
  SWE-Worldは、物理的な実行環境を、ソフトウェアエンジニアリングエージェントのトレーニングと評価のための学習的なサロゲートに置き換える、Dockerフリーのフレームワークである。 我々は,SWE-WorldがQwen2.5-Coder-32Bを,DockerフリーのSFTで6.2%から52.0%,DockerフリーのRLで55.0%,さらにTSで68.2%に引き上げたことを示す。
  論文  参考訳（メタデータ） (2026-02-03T11:44:39Z)
• CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning [57.24524263804788]
  コード検証は、LLMベースのコード生成の検証後において重要な役割を果たす。 既存の教師付き微調整手法は、データの不足、高い失敗率、推論効率の低下に悩まされている。 機能的な報酬しか持たない単純RLは、難しいブランチやサンプルに対して効果的な単体テストを生成することができないことを示す。
  論文  参考訳（メタデータ） (2026-01-30T10:33:29Z)
• PIPer: On-Device Environment Setup via Online Reinforcement Learning [74.52354321028493]
  自動化された環境設定メソッドは、任意のリポジトリに対して、手作業なしで完全に構成された環境を提供することで、開発者を支援することができる。 近年の研究では、最先端のLarge Language Models (LLMs) でさえ、このタスクの自動化に限られた成功をおさめていることが明らかになっている。 我々は、正しいスクリプトを生成するための教師付き微調整と、環境設定のタスクに適応するために、Reinforcement Learning with Verifiable Rewards(RLVR)を組み合わせる。 EnvBench-Python では,より大型の Qwen3-32B や GPT-4 と同等に動作可能な Qwen3-8B (コンシューマハードウェア上で動作可能なモデル) を実現する。
  論文  参考訳（メタデータ） (2025-09-29T20:03:05Z)

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。