論文の概要: Fewer Clarifications, Better Code: Benchmarking Cross-Session Personalized Ambiguity Adaptation in Coding Assistants

• arxiv url: http://arxiv.org/abs/2607.26611v1
• Date: Wed, 29 Jul 2026 08:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.583466
• Title: Fewer Clarifications, Better Code: Benchmarking Cross-Session Personalized Ambiguity Adaptation in Coding Assistants
• Title（参考訳）: コーディングアシスタントにおけるクロスセッションパーソナライズされたあいまいさ適応のベンチマーク
• Abstract要約: 本研究では,6つのメカニズムによるパーソナライズされた符号化曖昧さを特徴付けるCAPAを開発する。 本研究は, 実運用成功, 初回成功, ターン・トゥ・コンプリートによる, 歴史・ユーザ・ユーザ・ヒストリー条件下での最近の12のLCMを評価した。
• 参考スコア（独自算出の注目度）: 33.710035409277985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI-assisted coding increasingly translates informal user intent into executable software, yet coding requests often contain ambiguities that recur in user-specific ways across tasks and sessions. Existing disambiguation methods typically address each ambiguous request in isolation within the current coding session, often through eliciting additional clarification. However, whether resolved session history from the same user can serve as memory for resolving recurring personalized ambiguity in a newly opened session remains underexplored. We formulate personalized ambiguity adaptation as a new task: given a user's previously resolved coding sessions and a new ambiguous request, an assistant should identify the recurring ambiguity pattern, produce the intended executable solution, and minimize clarification. To benchmark this task, we introduce CAPA, which characterizes personalized coding ambiguity through six mechanisms and injects these mechanisms into unambiguous executable tasks using a controlled three-stage generation pipeline. CAPA contains 600 coding sessions across 60 balanced user--ambiguity cells, including 300 held-out evaluation sessions. We evaluate 12 recent LLMs under no-history and same-user-history conditions using executable success, first-turn success, and turns-to-completion. Our analyses examine task difficulty, user identity, and memory-based history use, and we further propose same-user history gating as a lightweight inference-time method. CAPA provides a foundation for developing long-term coding assistants that better align generated code with user intent while reducing repeated clarification.
• Abstract（参考訳）: AI支援コーディングは、非公式なユーザ意図を実行可能なソフトウェアに変換する傾向にあるが、コーディング要求には、タスクやセッション間でユーザ固有の方法で再帰する曖昧さが含まれていることが多い。 既存の曖昧化手法は、通常、現在のコーディングセッションの中で、しばしば追加の明確化を引き出すことによって、それぞれのあいまいな要求に独立して対処する。 しかし、同一ユーザからの解決されたセッション履歴が、新しくオープンされたセッションにおけるパーソナライズされたあいまいさを解消するためのメモリとして機能するかどうかはまだ未定である。 ユーザが事前に解決したコーディングセッションと新しいあいまいな要求を前提として、パーソナライズされたあいまいさ適応を新しいタスクとして定式化する。 このタスクをベンチマークするために、CAPAを導入し、6つのメカニズムを通してパーソナライズされた符号化曖昧さを特徴付けるとともに、制御された3段階生成パイプラインを用いてこれらのメカニズムをあいまいな実行可能タスクに注入する。 CAPAには600のコーディングセッションが60のバランスの取れたユーザ-あいまいなセルに含まれており、300のホールドアウト評価セッションが含まれている。 本研究は, 実運用成功, 初回成功, ターン・トゥ・コンプリートによる, 歴史・ユーザ・ユーザ・ヒストリー条件下での最近の12のLCMを評価した。 そこで本研究では,タスクの難易度,ユーザアイデンティティ,メモリベースの履歴利用について検討し,軽量な推論時間法として同ユーザ履歴ゲーティングを提案する。 CAPAは、繰り返しの明確化を減らしながら、生成されたコードとユーザの意図をよりよく整合させる、長期的なコーディングアシスタントを開発するための基盤を提供する。

関連論文リスト

• From Profiling to Synthesis: Benchmarking Implicit Behavioral Alignment in Personalized LLM Agents [56.187590188698955]
  大規模言語モデルは、ますます有能な自律エージェントを可能にしてきたが、そのようなエージェントを実用的に有効にするためには、パーソナライズが不可欠である。 最近のベンチマークではエージェントのパーソナライゼーションの評価が始まっているが、それらは主に静的な選好スナップショット、固定されたインタラクションログ、あるいは事前に定義されたユーザプロファイルに対する質問応答に依存している。 縦断的相互作用履歴から構築した暗黙的行動アライメントのベンチマークであるIBA-Benchを紹介する。 IBA-Agentは、広範囲な検索と軌道レベルのアライメントを通じて競合する優先順位を調整するエージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-08-03T12:52:04Z)
• SWE-Together: Evaluating Coding Agents in Interactive User Sessions [19.069719245971786]
  実際のユーザエージェントコーディングセッションから再構成したマルチターンベンチマークであるSWE-Togetherを紹介する。 11,260のセッションから109のリポジトリレベルのタスクをキュレートし、リカバリ可能なレポジトリステートでセッションを選択します。 我々は、元のユーザの意図を保存し、コーディングエージェントの進捗が必要な時にフィードバックを提供する、リアクティブLLMベースのユーザシミュレータを構築します。
  論文  参考訳（メタデータ） (2026-06-29T08:35:15Z)
• Multilingual Long-Form Speech Instruction Following: KIT's Submission to IWSLT 2026 [57.48615919717867]
  我々は、制約のない環境で、KITのLong and Short Instruction followingのトラックを提示する。 提案手法では,短文コーパスを長文学習データに変換する汎用データ拡張パイプラインを組み合わせる。 確率に基づく再ランク付けは、ASRには非常に有効であるが、意味的タスクを体系的に劣化させることを示す。
  論文  参考訳（メタデータ） (2026-06-03T11:13:37Z)
• SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
  本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。 我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。 1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
  論文  参考訳（メタデータ） (2025-07-27T09:04:17Z)
• CLEAR-KGQA: Clarification-Enhanced Ambiguity Resolution for Knowledge Graph Question Answering [13.624962763072899]
  KGQAシステムは通常、ユーザクエリは曖昧であると仮定するが、これは現実世界のアプリケーションではめったに行われない仮定である。 本稿では,対話的明確化を通じて,エンティティのあいまいさ(類似した名前を持つエンティティの区別など)と意図のあいまいさ(ユーザクエリの異なる解釈を明確にするなど)を動的に扱う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-13T17:34:35Z)
• CAPrompt: Cyclic Prompt Aggregation for Pre-Trained Model Based Class Incremental Learning [12.249938312431993]
  本稿では,タスクID予測への依存性を排除するために,新しいCAPromptアグリゲーション法を提案する。 凹凸条件下では、集約プロンプトは単一のタスク固有のプロンプトを選択するよりも低いエラーを達成する。 提案したCAPromptは最先端手法を2%-3%上回る性能を示した。
  論文  参考訳（メタデータ） (2024-12-12T04:34:28Z)
• Prompt Tuning as User Inherent Profile Inference Machine [68.16976932088708]
  本稿では,ユーザプロファイルの推測にプロンプトチューニングを用いるUserIP-Tuningを提案する。 UserIP-Tuningは最先端のレコメンデーションアルゴリズムより優れている。 提案されたソリューションは2025年5月からHuawei AppGalleryのExploreページにデプロイされている。
  論文  参考訳（メタデータ） (2024-08-13T02:25:46Z)
• Session Context Embedding for Intent Understanding in Product Search [0.4551615447454769]
  本稿では,検索と再帰におけるコンテキストの捕捉と活用を目的とした,セッションコンテキストのベクトル化手法を提案する。 実行時に、セッションの埋め込みは、各リクエストの後にクエリの埋め込み、保存、更新の代替となる。 ユーザ意図の理解のために,実行時のセッションコンテキストを無視した戦略の改善を実演する。
  論文  参考訳（メタデータ） (2024-06-03T18:02:13Z)
• Self-regulating Prompts: Foundational Model Adaptation without Forgetting [112.66832145320434]
  本稿では,PromptSRCと呼ばれる自己正規化フレームワークを提案する。 PromptSRCはタスク固有の汎用表現とタスクに依存しない汎用表現の両方に最適化するプロンプトを導く。
  論文  参考訳（メタデータ） (2023-07-13T17:59:35Z)
• Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
  本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。 アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。 当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
  論文  参考訳（メタデータ） (2020-12-09T17:56:22Z)

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。