論文の概要: Steerability via constraints: a substrate for scalable oversight of coding agents
- arxiv url: http://arxiv.org/abs/2607.02389v1
- Date: Thu, 02 Jul 2026 16:24:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.919035
- Title: Steerability via constraints: a substrate for scalable oversight of coding agents
- Title（参考訳）: 制約によるステアビリティ--符号化エージェントのスケーラブルな監視のための基板
- Abstract要約: コーディングエージェントは能力があり、人間の監視がボトルネックになります。
我々は、大規模なヒューマンエンジニアリングチームを管理するのに何十年も使われてきたのと同じ手法が、コーディングエージェントを管理するのに使えると論じている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coding agents are capable; human oversight is the bottleneck. Unconstrained agents introduce security risks, erode codebase scalability, and make human review increasingly costly. We argue that the same methods used for decades to manage large human engineering teams: access control, network policies, strict coding conventions enforced by tooling; transfer directly to coding agents, and are cheaper (in token) than recent agentic scaffolding. We sketch a start-to-end system on this principle, and report a controlled experiment in scalable oversight: a small reviewer (Gemma 4 e4b) inspects a Python codebase containing 11 inserted backdoors. Recall rises from 54.5% (unconstrained, no tools) to 90.9% (constrained substrate plus a ~200-LoC `docs` CLI), with substrate and tools contributing independently. We choose Python deliberately: substrate-level oversight gains are largest where the language gives the fewest guarantees by default; the principles extend to languages like Rust.
- Abstract（参考訳）: コーディングエージェントは能力があり、人間の監視がボトルネックになります。
制約のないエージェントはセキュリティリスクを導入し、コードベースのスケーラビリティを損なう。
アクセス制御、ネットワークポリシ、ツーリングによって強制される厳格なコーディング規約、コーディングエージェントへの直接移行、そして最近のエージェントスキャフォールディングよりも(トークン内で)安価である。
小型レビュアー(Gemma 4 e4b)は,11個のバックドアを挿入したPythonコードベースを検査する。
リコールは54.5%(非拘束、ツールなし)から90.9%(制限基板と約200-LoC `docs` CLI)に増加し、基質とツールは独立して寄与する。
Pythonを意図的に選択します: ベースレベルの監視ゲインが最も大きいのは、言語がデフォルトで最少の保証を提供する場合です。
関連論文リスト
- The Prover Is the Judge: Verified Security Software from AI Coding Agents in Ada/SPARK [0.0]
検証者主導のループにおいて、AIエージェントは古典的および後量子暗号、TLS 1.3、IKEv2、X.509、マトリックスクライアントにまたがるAda/SPARKのベアメタルセキュリティソフトウェアを書いて検証した。
GNATproveは49,280の証明義務を解除し、選択されたプリミティブに対して機能的正当性を確立し、残りのプリミティブに対して実行時のエラーがないことを証明した。
それぞれのレイヤが障害をキャッチし,中心的な教訓を引き出す方法を報告します。エージェントが確立するために信頼できるものは,そのフィードバックの強さに縛られているのです。
論文 参考訳（メタデータ） (2026-07-15T20:09:05Z) - Decoupling Code Complexity from Newcomer Participation: A Causal Study of AI Coding Agent Adoption in OSS [17.63430909072108]
オープンソースプロジェクトは、新参者の安定した流入に依存している。
ますます懸念されるのは、AIのコーディングエージェントが彼らを群がらせることだ。
設定ファイルの最初のコミットによって,エージェントを採用した1,888のプロジェクトを特定した。
論文 参考訳（メタデータ） (2026-07-02T07:24:20Z) - The End of Code Review: Coding Agents Supersede Human Inspection [7.017303286271101]
コーディングエージェントは、従来のヒューマンコードレビューがもはやソフトウェア品質パイプラインに必要なコンポーネントではないような、能力のしきい値を越えた、と私たちは主張しています。
コードレビューの指示されたすべてのゴールは、より低コストで高いスループットでエージェントによって提供されます。
論文 参考訳（メタデータ） (2026-06-11T10:43:48Z) - ProgramBench: Can Language Models Rebuild Programs From Scratch? [59.40748183470308]
ProgramBenchは、ソフトウェアエンジニアリングエージェントがソフトウェアをホリシックに開発する能力を測定する。
エンドツーエンドの動作テストはエージェント駆動ファジィによって生成される。
モデルは、人間が書いたコードと大きく異なるモノリシックでシングルファイルの実装を好む。
論文 参考訳（メタデータ） (2026-05-05T09:17:02Z) - FGDM: Reasoning Aware Multi-Agentic Framework for Software Bug Detection using Chain of Thought and Tree of Thought Prompting [0.0]
Flow-Graph-Driven Multi-Agent Framework (FGDM)は、シーケンシャルな操作を行う4つのエージェントで構成されている。
フレームワークは、受信したコードをフローグラフに変換し、誤ったセグメントを特定し、さらに修復されたコードを生成する。
論文 参考訳（メタデータ） (2026-04-27T17:22:15Z) - SWE-chat: Coding Agent Interactions From Real Users in the Wild [70.18158706281724]
SWE-chatは、オープンソースの開発者から収集された実際のコーディングエージェントセッションの大規模なデータセットである。
現在、データセットには6000のセッションが含まれており、63,000以上のユーザプロンプトと355,000のエージェントツールコールが含まれている。
論文 参考訳（メタデータ） (2026-04-22T17:08:19Z) - From Translation to Superset: Benchmark-Driven Evolution of a Production AI Agent from Rust to Python [2.7324157162184157]
本稿では,大規模な言語モデルでRustの目的をPythonに翻訳するLLM支援型連続コード翻訳手法を提案する。
我々は、Pythonポートが59/80 SWE-bench検証タスク(73.8%)をRustの56/80(70.0%)に対して解決し、現実世界のエージェントタスクでほぼ同等であることを実証した。
評価の結果,APIレイテンシが支配的な LLM ベースのエージェントでは,Python の表現性が 15.9 倍のコード削減を実現している。
論文 参考訳（メタデータ） (2026-04-13T14:21:44Z) - When is Generated Code Difficult to Comprehend? Assessing AI Agent Python Code Proficiency in the Wild [1.5432419759274403]
本研究では,開発者がコードを維持するために必要なスキルレベルを決定するために,AIエージェントのコード習熟度について検討する。
我々は、3つの異なるAIエージェントによって生成される5,027のPythonファイルを含む591のプルリクエストをマイニングした。
論文 参考訳（メタデータ） (2026-03-31T22:49:44Z) - ToolRosetta: Bridging Open-Source Repositories and Large Language Model Agents through Automated Tool Standardization [51.92237664440418]
ToolRosettaは、オープンソースのコードリポジトリとAPIを自動的にMPP互換のツールに変換するフレームワークである。
ユーザタスクが与えられた場合、ToolRosettaはツールチェーンを自律的に計画し、関連するツールチェーンを特定し、実行可能なMPPサービスに変換する。
論文 参考訳（メタデータ） (2026-03-10T07:19:43Z) - Decompiling Smart Contracts with a Large Language Model [51.49197239479266]
Etherscanの78,047,845のスマートコントラクトがデプロイされているにも関わらず(2025年5月26日現在)、わずか767,520 (1%)がオープンソースである。
この不透明さは、オンチェーンスマートコントラクトバイトコードの自動意味解析を必要とする。
バイトコードを可読でセマンティックに忠実なSolidityコードに変換する,先駆的な逆コンパイルパイプラインを導入する。
論文 参考訳（メタデータ） (2025-06-24T13:42:59Z) - PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。
PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。
PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文 参考訳（メタデータ） (2024-12-09T11:00:55Z) - Agents: An Open-source Framework for Autonomous Language Agents [98.91085725608917]
我々は、言語エージェントを人工知能への有望な方向と見なしている。
Agentsはオープンソースライブラリで、これらの進歩を広く非専門的な聴衆に開放することを目的としています。
論文 参考訳（メタデータ） (2023-09-14T17:18:25Z)
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。