論文の概要: What Context Does a Coding Agent Actually Need to Act?
- arxiv url: http://arxiv.org/abs/2607.09691v1
- Date: Fri, 19 Jun 2026 04:22:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-19 21:54:20.370317
- Title: What Context Does a Coding Agent Actually Need to Act?
- Title（参考訳）: コーディングエージェントが実際に行動する必要があるコンテキストは何か?
- Authors: Brian Sam-Bodden,
- Abstract要約: 現代的なコーディングエージェントは、リポジトリ全体をコンテキストウィンドウに保持することができる。
エージェントがいつコードをエンフェディットしなければならないかを調査する。
SWE-bench Verified上で、実際の課題解決に対してコンテキストをスコアする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A modern coding agent can hold an entire repository in its context window. Most of its reading is wasted -- and the interesting question is not how much context an agent can use, but what it actually \emph{needs}. We study that question at the moment it matters most: when the agent must \emph{edit} code. Separating \emph{finding} the work site from \emph{acting} on it, we hold localization fixed with an oracle, vary only how the code is represented, and score context against real issue resolution on SWE-bench Verified. The answer is starkly minimal. The signal lives in the code being edited itself: natural-language summaries of it answer almost none of the behavioral questions that the source answers ($4/45$ vs.\ $27/45$, held-out repositories, independent judge), and the gap belongs to the representation, not the summarizer -- a frontier model's summaries score exactly as poorly as a 3B model's. The surrounding context hardly matters either: across every multi-file instance in Verified, under a protocol frozen before any data, rendering a file's remainder as UML skeletons and signatures resolves no more issues than deleting that remainder outright ($N{=}70$, exact McNemar $p{=}0.75$). That was our registered hypothesis, and it failed. Compressed context, meanwhile, matches whole files at a third of the tokens: a resolved issue costs $19$K context tokens, not $94$K. The instrument also yielded a finding the field should keep: temperature-0 API inference flips ${\sim}9\%$ of per-instance outcomes between byte-identical runs. That is a noise floor under every small effect reported on this benchmark, including ours. We release the instrument -- gold-validated environments, per-instance proof that every reference edit is expressible from every arm's context, deterministic patch construction, and pre-registered hypotheses whose nulls we publish.
- Abstract（参考訳）: 現代的なコーディングエージェントは、リポジトリ全体をコンテキストウィンドウに保持することができる。
興味深い質問は、エージェントがどの程度のコンテキストを使えるかではなく、実際に何がemph{needs}なのかである。
エージェントが \emph{edit} コードでなければならないときです。
emph{finding} のワークサイトを \emph{acting} から分離すると、私たちは、オラクルで固定されたローカライゼーションを保持し、コードの表現方法だけを変え、SWE-bench Verified の実際のイシュー解決に対してコンテキストをスコアします。
答えは極端に小さい。
自然言語の要約は、ソースが答える振る舞いに関する質問のほとんど何も答えない(4/45$対)。
2.27/45$、保留のレポジトリ、独立のジャッジ、そしてギャップは、要約ではなく表現に属する -- フロンティアモデルのサマリースコアは、3Bモデルのスコアとまったく同じです。
検証済みのすべてのマルチファイルインスタンスにおいて、任意のデータの前に凍結されたプロトコルの下で、UMLスケルトンやシグネチャとしてファイルの残りをレンダリングすることで、残りの部分を削除する(N{=}70$, exact McNemar $p{=}0.75$)。
それは私たちの登録仮説であり、失敗でした。
一方、圧縮されたコンテキストは全ファイルの3分の1のトークンと一致している。
temperature-0 API推論が${\sim}9\%$で、バイト単位の実行間のインスタンスごとの結果が返される。
これは私たちのベンチマークを含む、このベンチマークで報告されたすべての小さな効果の下のノイズフロアです。
金色のバリデーションされた環境、すべての参照編集がすべてのアームのコンテキストから表現可能であることの証明、決定論的パッチ構成、および私たちが公開するnullを登録済みの仮説をリリースします。
関連論文リスト
- Calibration, Not Compilation: Detecting and Repairing Misspecified Probabilistic Programs Written by Language Models [31.082191748525137]
言語モデルはますます確率的プログラムを書くようになる(NumPyro、Stan、Pyro)
すべてのユニットテストをコンパイルし、実行し、パスするプログラムは、偶数論的に間違っている。
したがって、正しい検証はテストスイートではなく、ベイズワークフロー自身である。
論文 参考訳（メタデータ） (2026-06-30T13:16:39Z) - Does the Same Token Mean the Same State? MoE Routing as Signal for Reasoning Control [53.43997385459622]
我々はtextbfRAD (Routing Agreement Decoding) を回答文字列のないマルチロールセレクタとして運用する。
固定アンカーを配置し、アンカーウィンドウのMoEルーティング状態によって各ロールアウトを表現し、最も密集したWeighted-Jaccard $K$-NNルートバスセンターを返す。
論文 参考訳（メタデータ） (2026-06-22T03:17:31Z) - GitOfThoughts: Version-Controlled Reasoning and Agent Memory You Can Replay, Diff, and Merge [0.02066679446411895]
エージェントの推論ツリーをgitリポジトリとして格納するGitOfThoughtsを紹介します。
評価されたすべての思考はコミットであり、スコアはノートであり、結果はタグであり、検索はエージェント自身の履歴に対して"git log"である。
これにより、ほぼゼロのエンジニアリングコストで、推論が再生可能で、監査可能で、エージェント間でマージ可能になります。
論文 参考訳（メタデータ） (2026-06-12T14:02:37Z) - Selection Integrity for LLM Graph Memory: An Accumulability Criterion for Information-Flow-Blind Retrieval [16.858503871105135]
我々は、先制防衛のクラス全体が建設によって盲目であることが示している。
長期グラフメモリは、書き込み可能なグラフ構造よりもグローバルな選択ステップを実行する。
一般の免疫症例とオープン症例を,確認したチョークポイント条件下で証明する。
論文 参考訳（メタデータ） (2026-06-10T16:26:46Z) - Enhancing Software Engineering Through Closed-Loop Memory Optimization [50.418699819003486]
ソフトウェア工学 (SE) エージェントにおけるメモリ拡張のためのクローズドループフレームワークである ours を紹介する。
タスクに依存しない textbf ベンチマークとアノテーションのない textbf 最適化信号としての有用性を確立する。
その結果、SEエージェントは設定によって常に改善され、成功率で$uparrow5.25%、解決効率で$uparrow4.63%という絶対的なゲインが得られることが示された。
論文 参考訳（メタデータ） (2026-06-04T03:17:21Z) - Subtle Injection for Ground-truth Inference of LLM Training Data [0.2538209532048867]
SIGILは、認識不能なEmphcanary Sequenceを保護されたテキストとコードに埋め込むフレームワークである。
SIGILは、語彙規則、語彙句、構文、意味、コードパターンの5つのカナリア戦略を定義している。
論文 参考訳（メタデータ） (2026-05-18T14:48:44Z) - Guiding Diffusion Models with Semantically Degraded Conditions [19.061619300086875]
条件劣化誘導(CDG)を提案する。
CDGはnullプロンプトを戦略的に劣化した条件である$boldsymbolc_textdeg$に置き換える。
軽量でプラグアンドプレイのモジュールとして、CDGは構成精度とテキストイメージのアライメントを大幅に改善する。
論文 参考訳（メタデータ） (2026-03-11T13:54:35Z) - SABER: Small Actions, Big Errors -- Safeguarding Mutating Steps in LLM Agents [52.20768003832476]
我々は$$-Bench (Airline/Retail) および SWE-Bench Verified 上での実行トレースを分析する。
成功を失敗に戻すための、先進的な逸脱、最初期の行動、レベル分岐を形式化する。
モデルに依存しない,勾配のない,テスト時のセーフガードである cm を導入します。
論文 参考訳（メタデータ） (2025-11-26T01:28:22Z) - Language Models May Verbatim Complete Text They Were Not Explicitly Trained On [97.3414396208613]
我々は、$n$-gram ベースのメンバシップ定義を効果的にゲームできることを示す。
会員定義に対して$n$の1つの実行可能な選択を見つけることは困難であることを示す。
以上の結果から,n$-gramの会員シップが不十分であることが示唆された。
論文 参考訳（メタデータ） (2025-03-21T19:57:04Z) - On Distributed Differential Privacy and Counting Distinct Elements [52.701425652208734]
我々は、$n$ユーザのそれぞれが離散集合から要素を保持する設定について研究する。
目標は、すべてのユーザーに対して異なる要素の数を数えることだ。
論文 参考訳（メタデータ） (2020-09-21T04:13:34Z)
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。