論文の概要: EA-Graph: Artifact-Anchored Verification Memory for Coding Agents under Upstream Drift
- arxiv url: http://arxiv.org/abs/2608.04278v1
- Date: Tue, 04 Aug 2026 23:13:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.660468
- Title: EA-Graph: Artifact-Anchored Verification Memory for Coding Agents under Upstream Drift
- Title（参考訳）: EA-Graph: 上流ドリフトにおける符号化エージェントのArtifact-Anchored検証メモリ
- Abstract要約: アップストリームの変更の後、以前の検証のクレームがもはや有効ではないにもかかわらず、レポジトリは引き続き構築される可能性がある。
EA-Graphは、検証のためのアーティファクトアンコールメモリである。
それは、サブパスの粒度で人工物を表し、葉の定義にエイリアスを解決し、それを確立するために使用されるコンテンツに対する各主張をアンカーし、鮮度とは別個の証拠強度を保持する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coding agents increasingly work across sessions, but prose notes can preserve a conclusion without the program state that supported it. After an upstream change, a repository may still build even though earlier verification claims are no longer valid. EA-Graph is an artifact-anchored memory for verification claims. It represents artifacts at sub-path granularity, resolves aliases to leaf definitions, anchors each claim to the content used to establish it, and keeps evidence strength separate from freshness. When replacement content is unavailable, the claim becomes unprovable rather than guessed. EA-Graph is evaluated on generated repositories whose behavior-to-artifact ground truth is known by construction. The task is to classify prior claims as unaffected, affected, or unprovable after value drift, logic drift, and deliberately withheld upstream content. The analysis covers 42 sessions across seven clean worlds, 14 model-world instances, three memory conditions, and two model tiers. In the Haiku round, artifact-anchored memory outscored prose notes and no persistent memory in all seven worlds; each exact paired Wilcoxon comparison yielded p = 0.0156. In the Sonnet round, the anchored condition was perfect, but frequent control ceilings left the preregistered contrasts non-significant. No session fabricated withheld content. These results support a bounded claim: artifact-anchored memory improved the smaller model's provability judgments in this testbed. An exploratory comparison further suggests that structured claim memory may narrow a capability gap by externalizing in-session re-derivation, but it does not establish cross- model equivalence. The study makes no claim about efficiency or repair quality.
- Abstract（参考訳）: コーディングエージェントはセッション間でますます機能するが、散文はそれをサポートするプログラム状態なしで結論を維持することができる。
アップストリームの変更の後、以前の検証のクレームがもはや有効ではないにもかかわらず、レポジトリは引き続き構築される可能性がある。
EA-Graphは、検証のためのアーティファクトアンコールメモリである。
それは、サブパスの粒度で人工物を表し、葉の定義にエイリアスを解決し、それを確立するために使用されるコンテンツに対する各主張をアンカーし、鮮度とは別個の証拠強度を保持する。
代替コンテンツが利用できない場合、クレームは推測されるよりも証明不可能になる。
EA-Graphは、動作から成果までの真実が構築によって知られている生成されたリポジトリで評価される。
このタスクは、事前のクレームを、値のドリフト、ロジックのドリフト、故意に上流のコンテンツから影響を受けない、影響を受けない、あるいは証明できないものとして分類することである。
この分析は、7つのクリーンワールド、14のモデルワールドインスタンス、3つのメモリ条件、2つのモデルティアにわたる42のセッションをカバーしている。
俳句のラウンドでは、アーティファクトアンコールされた記憶は散文を上書きし、7つの世界すべてに永続的な記憶を持たず、それぞれの正確なペアのウィルコクソン比較はp = 0.0156となった。
ソンネットのラウンドでは、アンカー状態は完璧であったが、頻繁に制御天井が登録済みのコントラストを残した。
保持されたコンテンツで作られたセッションはない。
これらの結果は境界クレームをサポートする: アーティファクトアンコレッドメモリは、このテストベッドにおけるより小さなモデルの検証可能性判定を改善した。
探索的比較により、構造化されたクレームメモリは、セッション内回帰を外部化することによって能力ギャップを狭める可能性があるが、それはクロスモデル同値性を確立するものではないことが示唆されている。
この研究は、効率性や修理の質について何の主張もしていない。
関連論文リスト
- A distribution-free certification framework for trustworthy crash-severity prediction [1.089614199781423]
厳密なモデルを修正せずにラップする認証層を開発します。
テキサス州の7つのベースモデルにまたがる520万件の記録では、同層は同一の妥当性を持つ。
フレームワークは定理レベルのテストを備えたオープンソースパッケージとしてリリースされている。
論文 参考訳（メタデータ） (2026-09-10T14:20:08Z) - Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。
Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。
我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
論文 参考訳（メタデータ） (2026-09-09T01:56:17Z) - Faithfulness Is Not Free: Auditing Offline KV-Cache Quantization in Retrieval-Augmented Generation [0.13347958270801455]
キーバリューキャッシュの量子化はストレージをさらに削減しますが、以前の作業では圧縮が忠実さを損なうかどうかを問いません。
我々はRGBとHotpotQAのQwen2.5-7B-インストラクションを評価し,精度と忠実度を測定した。
論文 参考訳（メタデータ） (2026-08-31T15:47:23Z) - Knowing but Not Saying: Preventing Factual Access Failures in LLM SFT via Recall-Anchored Distillation [13.67627949746882]
監視された微調整は、ターゲットドメインの外での実際の振る舞いを低下させる可能性がある。
SFTにより引き起こされる事実劣化は、真偽の回答世代と表現レベルの失敗の両方を反映していることを示す。
アウト・オブ・ディストリビューション・ジェネレーションの挙動を保ったベースアンコール型自己蒸留法であるRecall-Anchored Distillation(RAD)を導入する。
論文 参考訳（メタデータ） (2026-08-21T07:11:36Z) - 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) - Train the Model, Not the Reader: Decodability Supervision for Verifiable Activation Explanations [0.11280931253550518]
テストは2つの方法でパスされますが、忠実ではありません。
リリースされた Qwen-2.5-7B では、説明はチャンスよりもはるかに早く再構築されている。
AI安全性のために、RECAPは指定された内部コンテンツを独立してチェック可能にする。
論文 参考訳（メタデータ） (2026-07-22T17:10:23Z) - Beyond Fail-to-Pass: Iterative Hardening of Co-Generated Bug Reproduction Tests and Fixes [55.114939648705395]
大規模言語モデル(LLM)は、現実のバグに対して、プログラムの自動修正をますます実用的にしている。
バグ再現テスト(BRT)は、バグレポートを実行可能なバグ固有の信号に変換することで、このギャップを埋めるのに役立つ。
本稿では,ループ内収束基準としてLax信号を用いるコジェネレーションフレームワークであるCoHardenを提案する。
論文 参考訳（メタデータ） (2026-07-22T07:30:07Z) - 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) - Presentation, Not Mechanism: A Render Confound in Deprecation-Aware Memory Evaluation [14.101636730819175]
我々は,2,907質問に対して,平坦な検索,粗いエッジ無効化,きめ細かいRevisionLedgerを比較し,Evidence-State Revisionについて検討した。
値が変更され、後に復元されたとき、RevisionLedgerはフラットベースラインを+0.182で打ち負かしているように見える。
粗い無効化は、現在のクエリに課金する唯一のメカニズムであり、微細な台帳を0.084で上回っている。
論文 参考訳（メタデータ） (2026-07-17T14:55:34Z) - DriftScope: Measuring The Hidden Effects of Diffusion Model Adaptation [50.584834483403675]
新しい視覚概念を学習するか、望ましくないものを消去するか、事前学習したテキスト・画像拡散モデルに適応させることは、意図した効果だけで日常的に評価される。
適応が意味論的に無関係な概念を、構造的にメトリクスを集約することができない方法で体系的に損なうことを実証する。
DriftScopeは、任意の2つのモデルチェックポイントを取り込み、視覚的概念が最も移行したトークンのランクリストを返す、プロンプトレベルの診断ツールである。
論文 参考訳（メタデータ） (2026-06-30T20:57:51Z) - Discovery by Dreaming: Cross-Domain Recombination in Artificial Memory [3.033196534183858]
神経科学は、この組換えはノイズではなく、洞察と創造的な発見を促進する機能であることを示唆している。
本手法は, 組換え再生機構を分離し, アーキテクチャ的に無関係な2つのシステムに実装することによって直接テストする。
論文 参考訳（メタデータ） (2026-06-28T05:01:32Z) - Reclaim Evaluation: A Lossy Memory Is Worse Than an Empty One [0.0]
言語モデルのメモリは、メモリを全く持たないよりも悪い場合がある。
間違った結論を維持しながら、その背後にある作業を捨てるメモリは、確実な答えとして古い値を出力する。
論文 参考訳（メタデータ） (2026-06-24T06:24:53Z) - What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。
複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
論文 参考訳（メタデータ） (2026-06-19T06:04:17Z) - Scaling Human-AI Coding Collaboration Requires a Governable Consensus Layer [22.42181408084751]
ビブコーディングは正確で実行可能なコードを高速に生成するが、構造的なコミットメントや依存関係、証拠の記録は残っていない。
本稿では,操作可能な世界モデルであるコンセンサス層Cが,エンジニアリングの主要な成果物としてコードを置き換えるパラダイムであるエージェント・コンセンサスを提案する。
本稿では,チャットによるベースラインと比較して,コンセンサスに基づく人間の介入を減らすかどうかを測定するためのベンチマークタスクファミリーを提案する。
論文 参考訳（メタデータ） (2026-04-20T06:53:32Z) - AlgoVeri: An Aligned Benchmark for Verified Code Generation on Classical Algorithms [54.99368693313797]
既存のベンチマークでは、個々の言語/ツールのみをテストするため、パフォーマンス番号は直接比較できない。
このギャップに対処するAlgoVeriは、Dafny、Verus、Leanで77ドルの古典的アルゴリズムのベリコーディングを評価するベンチマークです。
論文 参考訳（メタデータ） (2026-02-10T06:58:26Z) - Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。
我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。
データセットの精度は6%向上した。
論文 参考訳（メタデータ） (2024-10-07T00:09:50Z)
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。