論文の概要: Deep Agentic Search for Repository-Level Code Question Answering: An Empirical Study
- arxiv url: http://arxiv.org/abs/2608.01507v1
- Date: Sun, 02 Aug 2026 21:36:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.262548
- Title: Deep Agentic Search for Repository-Level Code Question Answering: An Empirical Study
- Title（参考訳）: Repository-Level Code Question Answeringのためのディープエージェント検索 : 実証的研究
- Abstract要約: リポジトリレベルのコード質問応答のベンチマークであるSWE-QAの2つのアプローチを比較した。
セマンティックサーチは65.2%の質問に対して、ディープエージェントサーチでは46.2%に対して正解した。
ディープエージェント検索は真の問題に対処し、現在では多くのコードエージェントで好まれる設計となっている。
- 参考スコア（独自算出の注目度）: 0.18737506366172094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Code agents spend much of their effort simply locating the right code inside a repository. Two approaches dominate current practice. In Semantic Search, the agent retrieves code blocks from a vector index built from the repository in advance. In Deep Agentic Search (also known as grep-search by subagent), a planning agent delegates the exploration to a separate subagent that works in an isolated context window and returns only a condensed result. The second design, which is considered good context engineering practice, exists to protect the main agent from context pollution (also known as context rot), the loss of accuracy that occurs as unrelated material accumulates in the context window. Recent code agents (such as Claude Code, Codex, Antigravity, etc) have adopted it quickly, but there is little evidence on whether it produces better answers. We compare the two approaches on SWE-QA, a benchmark for repository-level code question answering. Semantic search answered 65.2% of questions correctly against 46.2% for deep agentic search, and it produced each correct answer at less than half the cost. To explain the gap, we then coded every failed run into a taxonomy of failure modes. The taxonomy shows that deep agentic search did not remove failures but introduced a new class of them: the single largest share of its failures, 41.8%, occurred at the hand-off between the planner and its sub-agent, and these were usually silent, ending in a fluent and confident answer that was wrong. Deep agentic search addresses a real problem and is now the preferred design in many code agents. However, our results show that the protection it offers may not be free, and that for read-only questions over a repository that can be indexed, retrieval was the stronger and cheaper option.
- Abstract（参考訳）: コードエージェントは、リポジトリ内で適切なコードを見つけるのに多くの労力を費やす。
2つのアプローチが現在のプラクティスを支配します。
Semantic Searchでは、エージェントが事前にリポジトリから構築されたベクトルインデックスからコードブロックを取得する。
ディープエージェントサーチ(ディープエージェントサーチ、英: Deep Agentic Search、英: grep-search by subagent)では、計画エージェントが別々のサブエージェントに探索を委譲し、独立したコンテキストウィンドウで動作し、凝縮した結果のみを返す。
第2の設計は、コンテキストエンジニアリングの実践と見なされるが、コンテキスト汚染(コンテキスト腐れ)からメインエージェントを保護するために存在し、関係のない物質がコンテキストウィンドウに蓄積されるときに発生する精度の損失である。
近年のコードエージェント(Claude Code、Codex、Antigravityなど)はすぐに採用されているが、よりよい回答をもたらすかどうかの証拠はほとんどない。
リポジトリレベルのコード質問応答のベンチマークであるSWE-QAの2つのアプローチを比較した。
セマンティック検索は65.2%の質問を正解し、46.2%はディープエージェント検索で正解した。
このギャップを説明するために、私たちは失敗するすべての実行を障害モードの分類にコーディングしました。
この分類は、深いエージェント探索が失敗を取り除いたのではなく、新しい分類を導入したことを示している: 失敗の最大のシェアである41.8%は、プランナーとサブエージェントの間のハンドオフで発生し、これらは通常沈黙していた。
ディープエージェント検索は真の問題に対処し、現在では多くのコードエージェントで好まれる設計となっている。
しかし,その保護は無料ではない可能性があり,索引付け可能なレポジトリに対する読み取り専用質問の場合,検索はより強力で安価な選択肢であった。
関連論文リスト
- DeepRepoQA: Code Repository Question Answering with Deep Agent Exploration [10.655923413185498]
DeepRepoQAは、リポジトリレベルのコード理解のための新しいQAフレームワークである。
Monte-Carlo Tree Search (MCTS) メカニズムは、エージェントが動的にコードを探し、ナビゲートし、検査することを可能にするために使用される。
論文 参考訳（メタデータ） (2026-08-25T08:26:31Z) - The Optimizer Is the Agent: Reasoning-Driven Search across Prompts, Programs, and ML Workflows [72.9051182568928]
推論駆動最適化のための統合フレームワークであるReASearchを提案する。
共有エージェントループとドメイン固有のツールにより、ReASearchは、プロンプト、プログラム、MLを最適化するために、まったく同じスキャフォールドをインスタンス化する。
我々は,複雑な探索行動がエージェントの推論プロセスから自然に現れることを観察する。
論文 参考訳（メタデータ） (2026-08-07T02:15:39Z) - Do Context Files Help Coding Agents? A Two-Agent Ablation Study on Real Repositories [0.0]
永続コンテキストファイル(AGENTS.md, CLAUDE.md)は、AIコーディングエージェントを誘導する標準的な慣行であるが、それらの効果の証拠は矛盾している。
我々は2つのフロンティアエージェント(Claude Code と Codex)間のコンテキスト注入戦略の制御されたアブレーションを示す。
論文 参考訳（メタデータ） (2026-07-28T11:07:53Z) - 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) - SWE-Explore: Benchmarking How Coding Agents Explore Repositories [20.73123882302075]
SWE-benchのようなリポジトリレベルのコーディングベンチマークは、コーディングエージェントの能力の急激な急上昇を引き起こしている。
本稿では,リポジトリ探索の評価を分離するベンチマークであるSWE-Exploreを紹介する。
論文 参考訳（メタデータ） (2026-06-05T14:08:27Z) - Where Do Deep-Research Agents Go Wrong? Span-Level Error Localization in Agent Trajectories [51.22051230894794]
最終回答に基づく評価は、エージェントが成功するかどうかを示すが、どの部分の軌道が答えを信頼できないかを示すものではない。
2つのエージェントフレームワーク、3つのバックボーンモデル、3つのベンチマークから2,790の実際のトラジェクトリを収集し、生ログをセマンティックスパンに変換し、エキスパートレビューを通じて有害なエラースパンを注釈付けします。
我々は,エージェントの主張を追跡するクレーム中心の監査フレームワークであるDRIFTを提案する。
論文 参考訳（メタデータ） (2026-06-01T10:50:26Z) - RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。
RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。
RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
論文 参考訳（メタデータ） (2026-05-25T06:26:43Z) - Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。
このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。
IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
論文 参考訳（メタデータ） (2026-05-03T19:13:11Z) - AgentSearchBench: A Benchmark for AI Agent Search in the Wild [21.739444037726418]
本稿では,エージェント検索のための大規模ベンチマークであるAgentSearchBenchを紹介する。
このベンチマークは、エージェント検索を検索として形式化し、実行可能タスククエリと高レベルタスク記述の両方で問題を再分類する。
実行認識型探索を含む軽量な行動信号は、ランキング品質を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2026-04-24T10:53:54Z) - SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks [55.76734816061826]
我々は20の問題と93のチェックポイントからなる言語に依存しないベンチマークであるSlopCodeBenchを紹介する。
我々は、冗長性、重複コードの割合、構造的侵食という2つの軌道レベルの品質信号を追跡する。
11モデルにまたがるエンドツーエンドの問題を解決するエージェントは存在しない。
論文 参考訳（メタデータ） (2026-03-25T19:26:44Z) - HierSearch: A Hierarchical Enterprise Deep Search Framework Integrating Local and Web Searches [54.65565885083031]
本稿では,階層型RLで学習した階層型エージェントディープ検索フレームワークであるHierSearchを提案する。
低レベルにおいては、ローカルなディープサーチエージェントとWebのディープサーチエージェントがトレーニングされ、対応するドメインから証拠を検索する。
高レベルでは、プランナーエージェントが低レベルのエージェントをコーディネートし、最終回答を提供する。
論文 参考訳（メタデータ） (2025-08-11T15:31:47Z)
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。