論文の概要: Mastermind: Strategy-grounded Learning for Repository-Scale Vulnerability Reproduction

• arxiv url: http://arxiv.org/abs/2607.01764v1
• Date: Thu, 02 Jul 2026 06:27:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.69956
• Title: Mastermind: Strategy-grounded Learning for Repository-Scale Vulnerability Reproduction
• Title（参考訳）: Mastermind: リポジトリ規模の脆弱性再現のための戦略に基づく学習
• Authors: Mingzhe Du, Luu Anh Tuan, Tianyi Wu, Renyang Liu, Zhijiang Guo, Dong Huang, See-Kiong Ng,
• Abstract要約: リポジトリレベルの脆弱性の再現は、要求の多いソフトウェアエンジニアリング(SE)タスクである。 最近のLLMエージェントは、アプローチが正しい場合、しばしばこれらのステップを実行するが、間違った戦略を選択することで失敗する。 本論では, アクションの完全な軌跡ではなく, 戦略がSEエージェントの適切な学習単位であることを論じる。
• 参考スコア（独自算出の注目度）: 62.42945715963878
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Repository-level vulnerability reproduction is a demanding software engineering (SE) task: an agent must inspect a codebase, infer the input grammar that reaches a vulnerable path, construct a proof-of-conceptv(PoC), and verify that the crash disappears on the patched build. Recent LLM agents can often execute these steps when the approach is correct, yet they still fail by choosing the wrong strategy. This paper argues that strategy, rather than the full action trajectory, is the right learning unit for such SE agents: it is compact enough to optimize, concrete enough to guide execution, and stable enough to store and reuse across attempts. We present Mastermind, a dual-loop framework that separates transferable strategy learning from task-specific experience. A trainable planner learns reusable vulnerability-reproduction strategies through SFT and milestone-based GRPO, while an experience loop maintains task-local strategy records that guide subsequent attempts. The planner is trained independently of the executor, allowing strategy learning to improve multiple frozen executors without modifying their action-generation capability. We evaluate Mastermind on CyberGym using 260 training tasks and 200 held-out evaluation tasks. With GPT-5.5 as the frozen executor, Mastermind achieves an 84.5% pass rate, outperforming open-book PoC context (60.0%), Best-of-8 sampling (63.0%), and iterative improvement (77.0%). The same planner also improves GPT-5.4 mini and GLM~5.1 from 45.0% and 58.5% to 60.0% and 71.0%. These results demonstrate that learning high-level strategies is an effective and transferable mechanism for improving repository-scale SE agents.
• Abstract（参考訳）: リポジトリレベルの脆弱性再現は、要求されるソフトウェアエンジニアリング(SE)タスクである。エージェントはコードベースを検査し、脆弱なパスに達する入力文法を推論し、概念実証(PoC)を構築し、クラッシュがパッチされたビルドで消滅することを確認する必要がある。 最近のLLMエージェントは、アプローチが正しい場合、しばしばこれらのステップを実行するが、間違った戦略を選択することで失敗する。 本稿では,SEエージェントの適切な学習単位である戦略を論じる。SEエージェントを最適化するには十分コンパクトで,実行をガイドするのに十分な具体的であり,試行をまたいで保存・再利用するのに十分な安定性がある。 タスク固有の経験から移行可能な戦略学習を分離するデュアルループフレームワークであるMastermindを提案する。 トレーニング可能なプランナーは、SFTとマイルストーンベースのGRPOを通じて再利用可能な脆弱性再現戦略を学習し、経験ループは、その後の試行を導くタスクローカル戦略記録を保持する。 プランナーはエグゼキュータとは独立して訓練されており、戦略学習はアクションジェネレーション能力を変更することなく、複数のフリーズエグゼキュータを改善することができる。 260のトレーニングタスクと200のホールドアウト評価タスクを用いて,CyberGym上でMastermindを評価する。 GPT-5.5はフリーズエグゼキューターであり、マスターミンドは84.5%のパスレートを獲得し、オープンブックのPoCコンテキスト(60.0%)、ベストオブ8サンプリング(63.0%)、反復改善(77.0%)を上回っている。 同じプランナーは GPT-5.4 mini と GLM~5.1 を 45.0% と 58.5% から 60.0% と 71.0% に改善した。 これらの結果は,リポジトリスケールのSEエージェントを改善する上で,高レベル戦略の学習が効果的かつ伝達可能なメカニズムであることを実証している。

関連論文リスト

• Rethinking Supervision Granularity: Segment-Level Learning for LLM-Based Theorem Proving [8.420305724549603]
  リーン4における大きな言語モデルで証明された自動定理は、一般的に、木探索によるステップレベルの戦術予測と、全体的な防御生成を通じてアプローチされる。 これら2つのパラダイムは、教師付きトレーニングデータを構築するための反対の粒度を表す。 本稿では,訓練方針モデルのための局所的コヒーレントな証明セグメントを抽出する訓練データ構築戦略であるセグメントレベルの監視を提案する。
  論文  参考訳（メタデータ） (2026-05-12T10:18:28Z)
• SecureCodeRL: Security-Aware Reinforcement Learning for Code Generation with Partial-Credit Rewards [1.5377279217726239]
  本稿ではセキュリティ対応コード生成のための強化学習パイプラインSecureCodeRLを提案する。 鍵となるアイデアは、中間スコアを妥当性、実行成功、出力の生成に割り当てる部分クレジット機能報酬である。 Banditは小さな評価では見つからなかったが、セキュリティ用語はトレーニングに統合され、それらが現れると安全でないショートカットを回避できる。
  論文  参考訳（メタデータ） (2026-01-03T13:36:36Z)
• Self-Abstraction from Grounded Experience for Plan-Guided Policy Refinement [61.35824395228412]
  大規模言語モデル(LLM)ベースのエージェントは、ソフトウェア工学のタスクに取り組むためにますます使われています。 エージェントが自身のタスク実行から学習することを可能にするフレームワークであるSAGE(Self-Abstraction from Grounded Experience)を提案する。
  論文  参考訳（メタデータ） (2025-11-08T08:49:38Z)
• Fine-tuning with RAG for Improving LLM Learning of New Skills [8.825427873545063]
  大規模言語モデル(LLM)エージェントは予測可能な方法で頻繁に失敗する。 本稿では,推論時間検索を蒸留による学習能力に変換する単純なパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-01T19:03:48Z)
• AegisLLM: Scaling Agentic Systems for Self-Reflective Defense in LLM Security [74.22452069013289]
  AegisLLMは、敵の攻撃や情報漏洩に対する協調的なマルチエージェント防御である。 テスト時のエージェント推論システムのスケーリングは,モデルの有用性を損なうことなく,ロバスト性を大幅に向上させることを示す。 アンラーニングやジェイルブレイクを含む主要な脅威シナリオに対する総合的な評価は、AegisLLMの有効性を示している。
  論文  参考訳（メタデータ） (2025-04-29T17:36:05Z)
• Exploring Expert Failures Improves LLM Agent Tuning [74.0772570556016]
  本稿では,失敗した専門家の軌道から有益な行動を識別する専門的失敗の探索(EEF)を提案する。 EEFは、未解決のいくつかのサブタスクをうまく解決し、エージェントチューニング性能を改善する。
  論文  参考訳（メタデータ） (2025-04-17T17:53:54Z)

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。