論文の概要: AdaptAgent: A Multi-agent, Domain-Guided Reasoning Framework for Code Adaptation

• arxiv url: http://arxiv.org/abs/2608.04459v1
• Date: Wed, 05 Aug 2026 05:34:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.730023
• Title: AdaptAgent: A Multi-agent, Domain-Guided Reasoning Framework for Code Adaptation
• Title（参考訳）: AdaptAgent: コード適応のためのマルチエージェント、ドメインガイド型推論フレームワーク
• Authors: Xiaokai Rong, Hridya Dhulipala, Aashish Yadavally, Tien N. Nguyen,
• Abstract要約: コード適応のための多エージェントドメイン誘導推論フレームワークAdaptAgentを提案する。 シングルショットプロンプトに頼るのではなく、AdaptAgentは、型付きアーティファクトを介して通信する特殊なエージェントへの適応を分解する。 現実世界のデータセットでは、AdaptAgentはセマンティックな正確性において強力なベースラインを上回り、開発者の実際の適応パターンを反映するパッチを生成する。
• 参考スコア（独自算出の注目度）: 14.734454356396157
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developers often need to adapt into their projects the code generated from LLMs or code snippets from online forums. However, integrating them into an existing repository remains challenging in a manual process. A successful integration typically requires more than copying code as a user must produce correct adapting changes at a designated location in the target repository. We formalize this as the code adaptation problem: given a snippet, functional intent, a target repository, and an adaptation location, generate a patch that adapts the snippet into the repository. We present AdaptAgent, a multi-agent, domain-guided reasoning framework for code adaptation. Rather than relying on single-shot prompting, AdaptAgent decomposes adaptation into specialized agents that communicate via typed artifacts: an Intent Summarizer extracts adaptation goals from Q&A text; a Policy Agent derives domain policies from six adaptation categories; a Domain Planner generates a self-ordered plan; a Context Miner distills sibling-method semantics from the target codebase; and a Code Adapter realizes the plan as a minimal unified diff, iteratively refined using a compiler-based Verifier. This division of labor enables robust, policy-aligned adaptations and supports adapting code snippets into a project. On a real-world dataset, AdaptAgent outperforms strong baselines in semantic correctness and produces patches that mirror developers' actual adaptation patterns. Our ablation study shows each agent's necessity, especially planning for code-hardening and exception-handling, and intent for logic customization.
• Abstract（参考訳）: 開発者は、LLMから生成されたコードやオンラインフォーラムのコードスニペットに適応する必要があることが多い。 しかし、それらを既存のリポジトリに統合することは、手動のプロセスでは難しい。 ユーザがターゲットリポジトリ内の指定された場所において、適切な適応変更を生成する必要があるため、うまく統合するにはコードのコピー以上のものが必要になる。 スニペット、機能インテント、ターゲットリポジトリ、適応ロケーションが与えられたら、スニペットをレポジトリに適合させるパッチを生成します。 コード適応のための多エージェントドメイン誘導推論フレームワークAdaptAgentを提案する。 Intent Summarizerは、Q&Aテキストから適応目標を抽出し、ポリシーエージェントは、6つの適応カテゴリからドメインポリシーを導出し、ドメインプランナーは、自己順序のプランを生成し、Context Minerは、ターゲットコードベースから兄弟メソッドのセマンティクスを蒸留し、Code Adapterは、最小限の統一差分として計画を実現する。 この作業の分割は、堅牢でポリシーに準拠した適応を可能にし、プロジェクトへのコードスニペットの適応をサポートする。 現実世界のデータセットでは、AdaptAgentはセマンティックな正確性において強力なベースラインを上回り、開発者の実際の適応パターンを反映するパッチを生成する。 我々のアブレーション研究は、各エージェントの必要性、特にコードのハードニングと例外処理の計画、そしてロジックのカスタマイズの意図を示している。

関連論文リスト

• Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable [46.2784020602283]
  本稿ではハーネスから自動的に合成された行動コンテキスト中心の表現であるHarness Handbookを紹介する。 また,BGPD(Behaviment-Guided Progressive Disclosure)についても紹介する。 2つのオープンソースハーネスからの多様な修正要求に対して、ハンドブック支援プランニングは、振る舞いのローカライゼーションと編集計画の品質を改善している。
  論文  参考訳（メタデータ） (2026-07-14T21:39:55Z)
• Evaluating LLMs on Java Code Snippet Adaptation Using a Mutation-Injection Framework [9.514883757685725]
  開発者はフラグメントをコピーして新しいコンテキストに適合させることで、コードの再利用を頻繁に行う。 コード適応における大きな言語モデル(LLM)を評価するための既存のベンチマークは、明示的なステップバイステップ命令に依存するか、変数の配線のような狭い変更タイプのみをカバーするか、関数レベルの粒度でのみ動作するかのいずれかである。 命令不要なコードスニペットの適応について検討し、LLMは明示的な編集ガイダンスを使わずに目的のコンテキストに適合するようにコードフラグメントを適応させなければならない。
  論文  参考訳（メタデータ） (2026-06-26T21:34:33Z)
• Autogenesis: A Self-Evolving Agent Protocol [60.15939127351914]
  本稿では,自己進化プロトコルであるAutogenesis Protocol(AGP)を紹介する。 本稿では,実行中のプロトコル登録リソースを動的にインスタンス化し,検索し,精錬する自己進化型マルチエージェントシステムAGSを提案する。
  論文  参考訳（メタデータ） (2026-04-16T14:04:06Z)
• SWE-Adept: An LLM-Based Agentic Framework for Deep Codebase Analysis and Structured Issue Resolution [9.339988760379915]
  大規模言語モデル(LLM)は、自己完結したタスクに対して強いパフォーマンスを示す。 SWE-Adeptは、ローカライズエージェントが問題関連コードの位置を特定し、解決エージェントが対応する修正を実装するフレームワークである。 SWE-Bench Lite と SWE-Bench Pro の実験は、SWE-Adept が問題ローカライゼーションと解決の両方において、従来のアプローチよりも一貫して優れていることを示した。
  論文  参考訳（メタデータ） (2026-03-01T23:52:30Z)
• Domain-Specific Data Generation Framework for RAG Adaptation [58.20906914537952]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデルの言語理解と推論能力と外部検索を組み合わせ、ドメイン基底応答を可能にする。 本稿では,様々なRAG適応手法に合わせて,ドメイン基底型質問応答コンテキスト(QAC)トリプルを生成するフレームワークであるRAGenを提案する。
  論文  参考訳（メタデータ） (2025-10-13T09:59:49Z)
• Wired for Reuse: Automating Context-Aware Code Adaptation in IDEs via LLM-Based Agent [7.631972490231939]
  本稿では,RAG(Retrieval-Augmented Generation)インフィルタスクとしてフレーム化されたコード配線のためのエージェントであるWIRLを紹介する。 WIRLは、実世界のコード適応シナリオからなる、注意深くキュレートされた高品質なデータセットで評価する。
  論文  参考訳（メタデータ） (2025-07-02T03:00:23Z)
• Towards Adaptive Software Agents for Debugging [0.40964539027092917]
  本稿では,エージェントの数とその役割を動的に決定する適応型エージェント設計を提案する。 最初の評価では、適応設計では、生成されるエージェントの数はバグのあるコードの複雑さに依存することが示されている。 治療効果は, ワンショットプロンプトよりも平均11%改善した。
  論文  参考訳（メタデータ） (2025-04-25T12:48:08Z)
• Semantic Library Adaptation: LoRA Retrieval and Fusion for Open-Vocabulary Semantic Segmentation [72.28364940168092]
  オープン語彙セマンティックセグメンテーションモデルは、視覚とテキストを関連付け、テキストクエリを使用して未定義のクラスの集合からピクセルをラベル付けする。 本稿では,セマンティックライブラリ適応(Semantic Library Adaptation, SemLA)を紹介する。
  論文  参考訳（メタデータ） (2025-03-27T17:59:58Z)
• Prototypical Contrast Adaptation for Domain Adaptive Semantic Segmentation [52.63046674453461]
  プロトタイプ・コントラスト適応(Prototypeal Contrast Adaptation, ProCA)は、教師なしドメイン適応セマンティックセマンティックセグメンテーションのための対照的な学習法である。 ProCAはクラス間の情報をクラスワイドプロトタイプに組み込み、適応のためにクラス中心の分散アライメントを採用する。
  論文  参考訳（メタデータ） (2022-07-14T04:54:26Z)
• Instance Relation Graph Guided Source-Free Domain Adaptive Object Detection [79.89082006155135]
  教師なしドメイン適応(Unsupervised Domain Adaptation, UDA)は、ドメインシフトの問題に取り組むための効果的なアプローチである。 UDAメソッドは、ターゲットドメインの一般化を改善するために、ソースとターゲット表現を整列させようとする。 Source-Free Adaptation Domain (SFDA)設定は、ソースデータへのアクセスを必要とせずに、ターゲットドメインに対してソーストレーニングされたモデルを適用することで、これらの懸念を軽減することを目的としている。
  論文  参考訳（メタデータ） (2022-03-29T17:50:43Z)

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。