論文の概要: CodeNib: A Multi-View Data System for Serving Repository Context to Coding Agents
- arxiv url: http://arxiv.org/abs/2607.25431v1
- Date: Tue, 28 Jul 2026 08:25:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.759543
- Title: CodeNib: A Multi-View Data System for Serving Repository Context to Coding Agents
- Title（参考訳）: CodeNib: コードエージェントへのリポジトリコンテキスト実行のためのマルチビューデータシステム
- Abstract要約: コーディングエージェントは、進化するリポジトリからコンテキストを検索し、ナビゲートし、保持する。
接続されていないインデックス、言語サーバー、タスクローカルな履歴は、繰り返し発見と不明瞭なライフサイクルコストを強制します。
CodeNibはリポジトリコミット毎に再利用可能な語彙、密度、構造ビューを構築する。
- 参考スコア（独自算出の注目度）: 5.400196370175265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coding agents repeatedly search, navigate, and retain context from evolving repositories, but disconnected indexes, language servers, and task-local histories force repeated discovery and obscure lifecycle costs. CodeNib builds reusable lexical, dense, and structural views per repository commit, maps outputs to repository-relative source ranges, maintains selected views across edits, and serves ranked search, symbol navigation, and bounded context through one runtime. Across 100 snapshots, we map quality-cost frontiers across the repository-context lifecycle. When outputs match an independent rebuild, graph and vector updates are $8.7\times$ and $25.4\times$ faster at the median. On the static-navigation subset matching normalized live-server locations (63% of 1,000 requests), the median per-request live/static latency ratio is $4.7\times$. Across five models, selected context policies preserve localization with 50--87% fewer trajectory tokens than paired grep/read. Together, these results support multi-view repository-context serving with explicit, operation-specific validity boundaries.
- Abstract（参考訳）: コーディングエージェントは、進化しているリポジトリから繰り返し検索し、ナビゲートし、コンテキストを保持するが、非連結インデックス、言語サーバー、タスクローカル履歴は、繰り返し発見と不明瞭なライフサイクルコストを強制する。
CodeNibはリポジトリコミット毎に再利用可能な語彙、密度、構造的なビューを構築し、出力をリポジトリ関連ソース範囲にマップし、編集間で選択したビューを維持し、ランク付けされた検索、シンボルナビゲーション、コンテキスト境界を1つのランタイムを通じて提供する。
100スナップショットにわたって、私たちはリポジトリとコンテキストのライフサイクルに品質コストのフロンティアをマップします。
アウトプットが独立したリビルドと一致した場合、グラフとベクトルの更新は8.7\times$と25.4\times$を中央値で高速化する。
正規化されたライブサーバロケーション(1,000リクエストの63%)と一致する静的ナビゲーションサブセットでは、リクエスト毎のライブ/静的レイテンシの中央値は4.7\times$である。
5つのモデルにまたがって、選択されたコンテキストポリシーは、ペアのgrep/readよりも50～87%少ない軌道トークンでローカライズを保存する。
これらの結果は、明示的で操作固有の妥当性境界を持つマルチビューリポジトリコンテキストをサポートする。
関連論文リスト
- RepoAtlas: Guiding Coding Agents via Evolving Multimodal Repository Views [14.618487825419328]
textbfRepoAtlasは、マルチモーダルリポジトリビューの進化を維持するトレーニング不要なモジュールである。
RepoAtlasは、問題の証拠とエージェントの現在の調査状態を組み合わせることで、一定の予算の下でタスク関連領域を選択する。
我々は,SWE-bench Verified上でRepoAtlasを評価し,入力トークンとモデルコールを平均5.8%,7.8%削減し,解決率を2.4ポイント改善した。
論文 参考訳（メタデータ） (2026-09-15T10:11:51Z) - Beyond Repository Boundaries: Cross-Repository Graph Retrieval for Code Generation [15.95046921483187]
CrossCoderはクロスリポジトリのコード生成フレームワークで、外部ライブラリを検索コンテキストに明示的に組み込む。
CrossCoderは機能的正確性(pass@1で最大6.3%)と依存性の変換に対する堅牢性の両方を一貫して改善している。
論文 参考訳（メタデータ） (2026-09-09T10:14:14Z) - Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments [89.86581796261123]
それぞれの軌道を再利用可能な環境に変えるためのフレームワークである Terminal-Universe を紹介する。
Terminal-Universeは、トラジェクトリに記録されたファイル操作をリプレイして、エージェントが変更する前に各ファイルを復元し、部分的なワークスペースを生成する。
また、タスクは幅と深さの2つの軸に沿ってスケールします。
論文 参考訳（メタデータ） (2026-09-03T17:41:05Z) - Adaptive Critical Token-Aware Retrieval for Repository-Level Code Generation [53.85136813868056]
ACToRは、リポジトリレベルのコード生成のための適応型クリティカルトークン対応検索フレームワークである。
我々は、ACToRが、リポジトリレベルのベンチマークにおいて、最先端のメソッドを一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2026-09-01T17:59:39Z) - OctoLong: Mid-Training On Cross-Repository Code Contexts Enhances Long-Context Modeling [48.07406452417886]
既存の長文コーパスは書籍、学術論文、コードリポジトリによって支配されている。
AST、言語サーババックエンド、パッケージマネージャを備えたコンテキストエンジニアリングパイプラインであるOctoLongを紹介します。
我々は600Mから14Bのパラメータのベースモデルから派生した、有能な長文オープンなLMのスイートであるOctoLong-Instructを訓練する。
従来の文脈拡張コーパスの12%をOctoLongデータで置き換えただけで、かなりの利益が得られます。
論文 参考訳（メタデータ） (2026-08-05T17:58:15Z) - FastContext: Training Efficient Repository Explorer for Coding Agents [29.359764163872473]
大規模言語モデル(LLM)コーディングエージェントは、ソフトウェアエンジニアリングタスクにおいて大きな成果を上げている。
関連するコードを見つけることは、相当量のトークン予算を消費し、関係のないスニペットでエージェントのコンテキストを汚染する。
我々は、リポジトリの探索と解決を分離する専用の探索サブエージェントであるFastContextを紹介します。
論文 参考訳（メタデータ） (2026-06-12T03:23:59Z) - Rethinking RAG in Long Videos: What to Retrieve and How to Use It? [56.38819694781005]
V-RAGBenchは$langle$query, evidence chunk, answer$rangle$三重項のベンチマークで、検索と生成を忠実に分離した評価を可能にする。
また、CARVEは、コンフィグレーションにまたがって並列レトリバーを動作させ、チャンク毎に入賞構成を識別するためにチャンク適応リランクを用いる手法である。
論文 参考訳（メタデータ） (2026-06-11T10:05:49Z) - LARGER: Lexically Anchored Repository Graph Exploration and Retrieval [9.90137784523552]
リポジトリレベルのコーディングエージェントは、まずタスクに関連するファイルとシンボルをローカライズする必要がある。
既存のアプローチでは、エージェントのインタラクションループを断片化する別々のグラフツールやステージが必要になることが多い。
LARGER(Lexically anchored active-set search framework)は、語彙マッチングから始まり、それらをグラフアンカーにアライメントし、エージェントの既存のサーチループ内で信頼フィルタリングされた局所展開を実行する。
論文 参考訳（メタデータ） (2026-05-08T05:03:46Z) - ClawMark: A Living-World Benchmark for Multi-Turn, Multi-Day, Multimodal Coworker Agents [77.22389710754452]
マルチターンマルチデイタスクを中心に構築された同僚エージェントのベンチマークであるベンチを紹介する。
現在のリリースには、13のプロのシナリオにわたる100のタスクが含まれており、5つのステートフルなサンドボックスサービスに対して実行される。
最強のモデルは75.8の重み付きスコアに達するが、最も厳格なタスク成功率は20.0%に過ぎず、部分的な進歩が一般的であることを示している。
論文 参考訳（メタデータ） (2026-04-26T16:05:02Z) - Repository Intelligence Graph: Deterministic Architectural Map for LLM Code Assistants [0.0]
リポジトリを意識したコーディングエージェントは、しばしばビルドとテストの構造を回復するのに苦労する。
私たちは、ビルド可能なコンポーネント、アグリゲータ、ランナー、テスト、外部パッケージ、パッケージマネージャを表す決定論的、エビデンスを背景としたアーキテクチャマップであるRepository Intelligence Graph(RIG)を紹介します。
Claude Code、Cursor、Codexの3つの商用エージェントを、現実世界のMetaFFIプロジェクトを含む、低から高ビルドの複雑さにまたがる8つのリポジトリで評価します。
論文 参考訳（メタデータ） (2026-01-15T06:42:45Z) - VLM2GeoVec: Toward Universal Multimodal Embeddings for Remote Sensing [59.73939718087177]
シングルエンコーダの視覚言語モデルは、統合ベクトル空間にインターリーブされた入力を埋め込むために対照的に訓練された。
VLM2GeoVecは、領域レベルの空間推論とスケーラブルな検索を統合し、リモートセンシングにおける凝集性多モード解析を可能にする。
論文 参考訳（メタデータ） (2025-12-12T11:39:35Z) - MutaGReP: Execution-Free Repository-Grounded Plan Search for Code-Use [92.28400093066212]
MutaGRePは、ユーザリクエストを、大規模なコードリポジトリにある自然言語ステップに分解する計画を探すためのアプローチである。
我々の計画では、GPT-4oの128Kコンテキストウィンドウの5%以下しか使用していませんが、GPT-4oのコーディング性能とレポジトリで満たされたコンテキストウィンドウに匹敵します。
論文 参考訳（メタデータ） (2025-02-21T18:58:17Z) - Repository-level Code Search with Neural Retrieval Methods [25.222964965449286]
我々は、リポジトリレベルのコード検索のタスクを、ユーザの質問やバグに対処するのに最も関係のある、コードリポジトリの現在の状態からファイルの集合を検索するものとして定義する。
提案手法は,コミットメッセージに対するBM25ベースの検索と,CodeBERTを用いて関連するファイルを識別するニューラルリランクを組み合わせたものである。
7つの人気のあるオープンソースリポジトリから生成された新しいデータセットの実験では、MAP、MRR、P@1がBM25ベースラインに対して最大80%改善されている。
論文 参考訳（メタデータ） (2025-02-10T21:59:01Z) - Long Code Arena: a Set of Benchmarks for Long-Context Code Models [75.70507534322336]
Long Code Arenaは、プロジェクト全体のコンテキストを必要とするコード処理タスクのための6つのベンチマークスイートである。
これらのタスクは、ライブラリベースのコード生成、CIビルドの修復、プロジェクトレベルのコード補完、コミットメッセージ生成、バグローカライゼーション、モジュールの要約といった、コード処理のさまざまな側面をカバーする。
各タスクに対して、テスト用の手作業によるデータセット、評価スイート、オープンソースのベースラインソリューションを提供しています。
論文 参考訳（メタデータ） (2024-06-17T14:58:29Z)
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。