論文の概要: Why Git Is the Memory Solution for the Agentic Development Lifecycle

• arxiv url: http://arxiv.org/abs/2607.14390v1
• Date: Wed, 15 Jul 2026 22:06:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.92048
• Title: Why Git Is the Memory Solution for the Agentic Development Lifecycle
• Title（参考訳）: Gitがエージェント開発ライフサイクルのメモリソリューションである理由
• Abstract要約: 私たちは、メモリはgitバウンドで、リポジトリのバージョン管理に組み込まれるべきであると考えています。 この台帳では、2つの問題を別々に解決し、それらを組み合わせます。 ルータは、git-anchored構造図に幅を広げ、信頼されたエピソードにルックアップを向け、意思決定の合理化を行う。
• 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 now produce a growing share of a team's code, while the reasoning behind each change -- the alternatives weighed, the constraints discovered, the approaches rejected -- is trapped in assistant transcripts that vanish with the session. Memory for this setting, the agentic development lifecycle (ADLC), is usually posed as one retrieval problem and built as machinery: tiered stores, memory graphs, compiled wikis, model-judged admission. We argue memory should instead be git-bound -- built into the repository's version control, inheriting the guarantees the machinery struggles to construct: ground truth from commits, freshness from rebuild, verification from the merge, containment from review. On this ledger we solve two problems separately, then combine them. Seed supply is closed as an eight-corpus retrieval study under a pre-registered ship discipline: five imported ranking mechanisms rejected, two kept, and a best configuration of ~0.31 pooled MRR -- ~60x the raw-transcript grep floor, ~15x an honest parsed-turn floor. Answer assembly is where ranking stops helping: single-shot retrieval scores only 0.07-0.20 answer-sufficiency on real developer questions, and ungated episode injection measurably degrades good answers. A router dispatches breadth to a git-anchored structural map, pointed lookups to confidence-gated episodes, and rationale to decision synthesis, which reconstructs why-arcs no single session contains (0.83 sufficiency on a young ~50k-LOC production system). Routed, the system answers at 382-980 tokens per question -- three orders of magnitude below the recorded history. Because ground truth is mined from commit-session links rather than annotated, every result is replicable on any user's own history at zero labeling cost. The remaining constraint is capture. Code, benchmark, and paper source: github.com/rekal-dev/rekal-cli.
• Abstract（参考訳）: コーディングエージェントがチームのコードのシェアを拡大する一方で,各変更の背景にある理由 – 選択肢の重み付け,検出された制約,拒否されたアプローチ – は,セッションで消滅するアシスタントスクリプタに閉じ込められている。 この設定のために、エージェント開発ライフサイクル(ADLC)は、通常1つの検索問題として提起され、階層型ストア、メモリグラフ、コンパイルされたwiki、モデル・ジャッジド・インセプションといった機械として構築される。 メモリは、代わりにgitバウンド(git-bound)であるべきだ、と私たちは主張する – リポジトリのバージョンコントロールに組み込まれ、マシンが構築に苦労する保証を継承する。 この台帳では、2つの問題を別々に解決し、それらを組み合わせます。 種子の供給は、事前登録された船の規律の下で8つのコーパス検索研究としてクローズドされ、5つの輸入ランキング機構が拒否され、2つの保持され、最大構成は ~0.31 プールされた MRR -- ～60倍の原転写のグリープフロア、 ~15倍の正直なパースされたターンフロアである。 シングルショット検索のスコアは、実際の開発者の質問に対してわずか0.07-0.20で、未発表のエピソードインジェクションは、良い回答を計測的に劣化させる。 ルータは、git-anchored構造図に幅を割り当て、信頼されたエピソードにルックアップを向け、意思決定の合理化を行う。 ルーティングされたシステムは、1問あたり382～980のトークンで答える。 基本真理はアノテートではなくコミットセッションリンクから抽出されるため、すべての結果はユーザ自身の履歴に複製可能であり、ラベル付けコストはゼロである。 残りの制約はキャプチャです。 コード、ベンチマーク、ペーパーソース:github.com/rekal-dev/rekal-cli。

関連論文リスト

• The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context [45.88028371034407]
  コード修復における制御ケーススタディを報告し,新しい現象ではない。 私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。 BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。 厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
  論文  参考訳（メタデータ） (2026-08-14T19:22:50Z)
• Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
  大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。 報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。 本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:59:13Z)
• Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
  Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。 本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
  論文  参考訳（メタデータ） (2026-07-23T04:34:06Z)
• Autoresearch with Coding Agents: Generalizers and Metric-Maximizers on Quran Recitation Data [4.191965713559235]
  コーディングエージェントは、スコアに対してソフトウェアを改善するために、単独で残すことができます。 このパターンでは、エージェントはデータセット、評価スクリプト、編集可能な1つのファイルを受け取り、監督なしで反復する。 このループを実際の生産タスクで実行し、ノイズの多い音声認識書面にどのクラニック詩が現れるかを決定しました。
  論文  参考訳（メタデータ） (2026-07-20T15:32:09Z)
• Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
  AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。 コードには手書きのコードはなく、人間による注釈もない。 エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
  論文  参考訳（メタデータ） (2026-07-17T17:41:16Z)
• AtomicCommitBench: Can Coding Agents Reconstruct Commit Histories from Squashed Patches? [9.689734830501429]
  コーディングエージェントは、機能の実装、バグ修正、パーティショニング、テスト、設定の編集を混ぜた1つのスクワッドパッチを返すことで、セッションを終了することが多い。 エージェントがコミットをグループ化し、再生可能なコミットシーケンスを具体化する。 私たちは10のPythonプロジェクトから800の連続的なエピソードを含むAtomicCommitBenchを構築します。
  論文  参考訳（メタデータ） (2026-07-03T13:51:22Z)
• 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)
• Echo-Memory: A Controlled Study of Memory in Action World Models [58.77172260403133]
  本研究では,行動条件付き世界モデルにおける記憶機構の制御に関する研究を行う。 既存のメモリ設計と比較するのは難しいのは、ゲインにはバックボーン、トレーニング、検索、評価の違いが絡み合っているからである。 我々はEcho-Memoryを使ってアクション・ツー・ビデオのインタフェースを修正し、生成元によって履歴が保存され読み込まれるかだけを変える。
  論文  参考訳（メタデータ） (2026-06-08T17:54:10Z)
• Rethinking How to Remember: Beyond Atomic Facts in Lifelong LLM Agent Memory [88.81430082035617]
  LLMエージェントは、蓄積された対話履歴を忠実に保存し、効率的に検索し、深く推論できるメモリシステムを必要とする。 本稿では,ソース識別子に固定された生の対話セグメントを含む3つの共存表現の粒度を格納するTriMemを提案する。
  論文  参考訳（メタデータ） (2026-05-19T15:05:06Z)
• CommitDistill: A Lightweight Knowledge-Centric Memory Layer for Software Repositories [0.5872014229110213]
  ソフトウェアは、コミットメッセージ、プルリクエストの議論、スレッド発行に大量の構造化されていない知識を蓄積します。 エージェントのタイプメモリアーキテクチャ(MemGPT、生成エージェント、YangらのPlugMemモジュール)に関する最近の研究は、エージェントメモリは生の対話テキストではなく、蒸留された型付き知識であるべきだと主張している。 私たちは、決定論的、依存性なし、ローカルのみ、埋め込みなしという制約のある体制の下で、ソフトウェアリポジトリ自身のgit履歴にそのスタンスを適用します。
  論文  参考訳（メタデータ） (2026-05-18T12:14:28Z)
• MemQ: Integrating Q-Learning into Self-Evolving Memory Agents over Provenance DAGs [47.66730296440261]
  我々は,新たなメモリが生成されるたびに記憶が取得されたことを記録した証明DAGを通じて,クレジットを後方に伝播するMemQを紹介した。 6つのベンチマークで、MemQは、一般化評価とランタイム学習の6つすべてで最高成功率を達成した。 さらに、$と$がEC-MDP構造とどのように相互作用するかを研究し、パラメータ選択と将来の研究の原則的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2026-05-08T18:30:24Z)
• Fine-grained Multi-Document Extraction and Generation of Code Change Rationale [9.038241584076468]
  私たちは、いかに合理的なコンポーネント(例えば、変更の目標、ニーズ、代替品)がアーティファクトに分散されているかを調べます。 LLMベースのアプローチであるARGUSを導入し、コミットのアーティファクトのゴール、ニーズ、代替を表現した文を識別する。
  論文  参考訳（メタデータ） (2026-04-11T20:49:36Z)
• Lore: Repurposing Git Commit Messages as a Structured Knowledge Protocol for AI Coding Agents [0.0]
  本稿では,コミットメッセージを自己完結型決定レコードに再構成する軽量プロトコルであるLoreを提案する。 Loreはgit以外のインフラストラクチャを必要とせず、スタンドアロンのCLIツール経由でクエリ可能であり、シェルコマンドを実行可能なエージェントによって検出可能である。
  論文  参考訳（メタデータ） (2026-03-16T17:27:30Z)
• His2Trans: A Skeleton First Framework for Self Evolving C to Rust Translation with Historical Retrieval [45.246293154277886]
  His2Transは、決定論的でビルド対応のスケルトンと自己進化的な知識抽出を組み合わせて、安定したインクリメンタルマイグレーションをサポートするフレームワークである。 産業用OpenHarmonyモジュールの実験では、His2Transが99.75%インクリメンタルコンパイルパスレートに達した。
  論文  参考訳（メタデータ） (2026-03-03T05:42:08Z)

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。