論文の概要: CoACT: Action-Preserving Observation Compression for Coding Agents
- arxiv url: http://arxiv.org/abs/2607.02911v1
- Date: Fri, 03 Jul 2026 03:17:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.455531
- Title: CoACT: Action-Preserving Observation Compression for Coding Agents
- Title（参考訳）: CoACT: 符号化剤の動作保存観察圧縮
- Abstract要約: 本稿では,符号化エージェントの動作保存型観測圧縮手法であるCoACTを提案する。
CoACTは、生の観測と同じ次のアクションを誘導するために圧縮された観察を必要とする、次のアクション保存(NAP)上に構築されている。
3つのエージェントモデルで検証されたSWEベンチ実験の結果,CoACTは平均トークン消費量を33.0%削減することがわかった。
- 参考スコア（独自算出の注目度）: 8.484842324052751
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM-based coding agents solve software-engineering tasks through iterative interactions with development environments, where returned observations accumulate in the context and become a major source of inference cost. Observation compression reduces this cost by shortening observations before they are appended to the context. However, existing methods still exhibit an unsatisfactory efficiency-effectiveness trade-off, as they do not explicitly model how compression affects the agent's subsequent behavior. This paper proposes CoACT, an action-preserving observation compression method for coding agents. CoACT is built on next-action preservation (NAP), which requires a compressed observation to induce the same next action as the raw observation. By checking the agent's immediate next action, NAP provides a practical signal for whether a compression preserves the information needed for continued task solving. During training, a teacher model first generates multiple compressed candidates of each observation. CoACT then uses an action-preservation reward based on NAP to filter out candidates that would change the agent's next action, and uses a length-reduction reward to choose compact candidates as supervision for a lightweight compressor. Experiments on SWE-bench Verified with three agentic models show that CoACT reduces average total token consumption by 33.0% while maintaining task-solving effectiveness close to the uncompressed agent.
- Abstract（参考訳）: LLMベースのコーディングエージェントは開発環境との反復的な相互作用を通じてソフトウェアエンジニアリングタスクを解決する。
観測圧縮は、観測がコンテキストに付加される前に短縮することで、このコストを削減する。
しかしながら、既存の手法は、圧縮がエージェントのその後の振る舞いにどう影響するかを明示的にモデル化していないため、不満足な効率効率性トレードオフを示し続けている。
本稿では,符号化エージェントの動作保存型観測圧縮手法であるCoACTを提案する。
CoACTは、生の観測と同じ次のアクションを誘導するために圧縮された観察を必要とする、次のアクション保存(NAP)上に構築されている。
エージェントの即時次の動作をチェックすることで、NAPは、圧縮が継続的なタスク解決に必要な情報を保存するかどうかの実用的な信号を提供する。
トレーニング中、教師モデルはまず、各観察の複数の圧縮された候補を生成する。
次に、CoACTはNAPに基づく行動保存報酬を使用して、エージェントの次のアクションを変更する候補をフィルタリングし、軽量圧縮機の監督としてコンパクトな候補を選択するために長引き報酬を使用する。
3つのエージェントモデルで検証されたSWEベンチ実験の結果,CoACTは非圧縮エージェントに近いタスク解決効率を維持しつつ,平均トークン消費量を33.0%削減することがわかった。
関連論文リスト
- Just Noticeable Difference Modeling for Token Compression in Vision-Language-Action Models [62.522141464687195]
本稿では,単に目立った差分(JND)の原理を具体化するためのアクションJNDを紹介する。
トークンの変化は、誘導された行動偏差が許容範囲内に留まっている場合にのみ許容できると考えられる。
結果として生じるアクション耐性スコアは、VLA圧縮パラダイムのプラグアンドプレイ基準として機能する。
論文 参考訳（メタデータ） (2026-08-21T15:59:37Z) - Toward Reliable Context Compression for Long-Horizon Agents: An Empirical Study of Execution Instability [7.183748353637384]
圧縮は近年の相互作用の影響を弱め,ブロックされた動作を増大させ,探索を繰り返し,実行中の不安定性を示す。
TRACEは,同一環境状態からの閉ループ継続による個別の圧縮イベントを評価する検証器誘導フレームワークである。
AppWorldの最初の結果は、タスクパフォーマンス、マルチラン信頼性、コンテキスト実行効率において、既存の圧縮ベースラインよりも改善されていることを示している。
論文 参考訳（メタデータ） (2026-08-06T18:42:02Z) - On the Effectiveness of Context Compression for Repository-Level Tasks: An Empirical Investigation [22.803236151303846]
リポジトリレベルのコードインテリジェンスタスクは、長い複数ファイルコンテキストを処理するために大きな言語モデルを必要とする。
コンテキスト圧縮は、入力を凝縮することでこれらのリスクを軽減する。
本稿では,リポジトリレベルのコードインテリジェンスのためのコンテキスト圧縮に関する最初の体系的実証的研究について述べる。
論文 参考訳（メタデータ） (2026-04-15T11:00:17Z) - Unsupervised Behavioral Compression: Learning Low-Dimensional Policy Manifolds through State-Occupancy Matching [42.26405543045843]
アクションベースのポリシー圧縮(APC)は、サンプル非効率であると広く認識されている。
我々は,行動表現を即時的行動マッチングから長期的状態空間カバレッジにシフトさせることにより,APCを向上させるOccupancy-based Policy Compression (OPC)を紹介した。
これらの修正により、生成モデルは真の機能的類似性を取り巻く潜在空間を整理し、幅広い振る舞いを一般化する潜在表現を促進する。
論文 参考訳（メタデータ） (2026-03-27T23:16:27Z) - AutoResearch-RL: Perpetual Self-Evaluating Reinforcement Learning Agents for Autonomous Neural Architecture Discovery [5.110708177092157]
本稿では、強化学習エージェントが人間の監督なしにオープンエンドニューラルネットワーク研究を行うためのフレームワークであるAutoResearch-RLを提案する。
我々はこれをマルコフ決定過程として定式化し、軽微な仮定の下で収束保証を導出し、1つのGPUナノチャット事前学習ベンチマークで経験的に実証する。
論文 参考訳（メタデータ） (2026-03-07T17:49:44Z) - Detecting Overflow in Compressed Token Representations for Retrieval-Augmented Generation [49.48204107529758]
我々はトークンオーバーフローを、圧縮された表現が与えられたクエリに応答する十分な情報を含んでいない状態として定義する。
本稿では,非圧縮トークン表現から,クエリ非依存の飽和統計を確実に分離することを見出した。
クエリとコンテキストの両方のxRAG表現上の軽量なプローブ分類器は平均0.72 AUC-ROCでオーバーフローを検出する。
これらの結果は、クエリ非依存の診断からクエリ対応検出まで進歩し、低コストのプレLLMゲーティングにより、圧縮によるエラーを軽減できる。
論文 参考訳（メタデータ） (2026-02-12T18:15:08Z) - Activations and Gradients Compression for Model-Parallel Training [85.99744701008802]
モデル並列分散トレーニングセットアップにおけるアクティベーションと勾配の同時圧縮が収束に与える影響について検討する。
グラデーションはアクティベーションよりも軽度な圧縮速度を必要とする。
実験では、TopKでトレーニングされたモデルが、推論中に圧縮も適用された場合にのみ正常に動作することが示されている。
論文 参考訳（メタデータ） (2024-01-15T15:54:54Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳（メタデータ） (2022-07-14T17:46:37Z) - Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。
我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
論文 参考訳（メタデータ） (2021-12-03T19:23:48Z) - Tesseract: Tensorised Actors for Multi-Agent Reinforcement Learning [92.05556163518999]
MARLは、コミュニケーションと可観測性に様々な制約を課すことによって、問題を悪化させる。
値ベースの手法では、最適な値関数を正確に表現することが課題となる。
政策勾配法では、批判者の訓練を困難にし、遅れる批判者の問題を悪化させる。
学習理論の観点からは、関連するアクション値関数を正確に表現することで、両方の問題に対処できることが示される。
論文 参考訳（メタデータ） (2021-05-31T23:08:05Z)
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。