論文の概要: Do Personalized Skills Help Coding Agents? An Empirical Study of Developer Interaction Histories

• arxiv url: http://arxiv.org/abs/2608.10319v2
• Date: Sat, 15 Aug 2026 06:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.026293
• Title: Do Personalized Skills Help Coding Agents? An Empirical Study of Developer Interaction Histories
• Title（参考訳）: パーソナライズドスキルはコーディングエージェントに役立つか? : 開発者インタラクション履歴の実証的研究
• Authors: Shuyan Huang, Kai Du, Andrew Lan,
• Abstract要約: インタラクショントレースから再利用可能な開発者の好みを抽出するフレームワークを提案する。 最初にパーソナライズされたスキルは、ルールベースのブートストラップとエビデンスによる洗練によって生成される。 パーソナライズされたスキルを、非スキル、ジェネリックスキル、および非ユーザスキルベースラインと比較する。
• 参考スコア（独自算出の注目度）: 5.339166296276375
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM)-powered agents have rapidly evolved from code-completion tools into solvers of complex software engineering tasks. As developers collaborate with coding agents over time, their preferences emerge through repeated interactions and can be used to adapt agent behavior to better meet individual developers' needs. Capturing and reusing these preferences may reduce repeated corrections and improve developer-agent collaboration. Agent skills provide a lightweight mechanism for transferring experience without modifying model parameters. However, existing work primarily focuses on task-specific skills, and it remains unclear whether developer-specific skills distilled from interaction histories can generalize to future tasks. We propose a framework for extracting reusable developer preferences from interaction traces. It first generates personalized skills through rule-based bootstrapping and evidence-grounded refinement, and then evaluates them using a reproducible replay framework with an interactive, trajectory-conditioned LLM-based human developer simulator. We conduct an experiment on 206 real-world developer-agent sessions from 13 developers and compare personalized skills against no-skill, generic-skill, and other-user-skill baselines. Personalized skills provide small and inconsistent improvements over the no-skill baseline, whereas generic skills pooled across developers achieve the largest and most consistent gains. Further analysis suggests that personalized skills become more effective when developer preferences appear frequently, particularly when their histories contain multiple examples relevant to future tasks. These findings provide empirical insights into when developer-specific personalization is effective and demonstrate that broadly transferable procedural knowledge can be more robust than developer-specific preference signals.
• Abstract（参考訳）: 大規模言語モデル(LLM)を利用したエージェントは、コード補完ツールから複雑なソフトウェアエンジニアリングタスクの解決ツールへと急速に進化してきた。 開発者がコーディングエージェントと時間が経つにつれて、その好みは反復的なインタラクションを通じて現れ、個々の開発者のニーズに合うようにエージェントの振る舞いを適用するのに使用できる。 これらの好みのキャプチャと再利用は、反復的な修正を減らし、開発者とエージェントのコラボレーションを改善する。 エージェントスキルは、モデルパラメータを変更することなく、体験を転送するための軽量なメカニズムを提供する。 しかし、既存の研究は主にタスク固有のスキルに焦点を当てており、インタラクション履歴から抽出した開発者固有のスキルが将来のタスクに一般化できるかどうかは不明だ。 インタラクショントレースから再利用可能な開発者の好みを抽出するフレームワークを提案する。 まずルールベースのブートストラップとエビデンスグラウンドの洗練を通じてパーソナライズされたスキルを生成し、それから対話的かつ軌道条件のLLMベースの人間開発者シミュレータを用いて再現可能なリプレイフレームワークを用いて評価する。 13人の開発者による206の現実世界の開発者エージェントセッションで実験を行い、パーソナライズされたスキルと非スキル、ジェネリックスキル、その他のユーザスキルのベースラインを比較します。 パーソナライズされたスキルは、ノースキルベースラインよりも小さく、一貫性のない改善を提供する。 さらなる分析は、開発者の好みが頻繁に現れると、パーソナライズされたスキルがより効果的になることを示している。 これらの知見は、開発者固有のパーソナライズが有効である場合に関する実証的な洞察を与え、広く移行可能な手続き的知識が、開発者固有の選好信号よりも堅牢であることを示す。

関連論文リスト

• Self-Evolving Coding Agents [11.43197414613246]
  自己進化型コーディングエージェントは、リポジトリを検査し、ツールを実行し、テストを実行し、障害をデバッグし、パッチを生成することができる。 まず、自己進化型プログラミングエージェントを定義し、それらを従来のコーディングエージェントや一般的な自己進化型エージェントと区別する。 実行可能なフィードバック、リポジトリレベルのコンテキスト、コーディングトラジェクトリは、ソフトウェアエンジニアリングをエージェントの自己進化のための自然なドメインとして、ユニークな役割を与えます。
  論文  参考訳（メタデータ） (2026-08-04T09:43:46Z)
• 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)
• On the Road to Personalized Code Intelligence: Portraiting and Assisting Developers Based on Their In-IDE Behaviors [38.53670556517792]
  VirtualMEは、開発者の動的プログラミングの振る舞いや好みを継続的に捉え、解釈することによって、開発者をモデル化するために設計された、新しいデータ基盤である。 我々は,VirtualME上で,開発者ペルソナをQ&Aエージェントに統合することで,リポジトリレベルの個別知識Q&Aを実現するソリューションを提案する。
  論文  参考訳（メタデータ） (2026-05-28T05:17:08Z)
• VitaBench 2.0: Evaluating Personalized and Proactive Agents in Long-Term User Interactions [63.13827503828231]
  我々は、長期ユーザーインタラクションにおけるパーソナライズされたプロアクティブなエージェント動作を評価するためのベンチマークであるVitaBench 2.0を紹介する。 結果は、最先端のモデルでさえ、現実世界のパーソナライゼーションは非常に困難であることを示している。
  論文  参考訳（メタデータ） (2026-05-26T15:07:38Z)
• Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
  textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。 Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。 我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
  論文  参考訳（メタデータ） (2026-05-11T06:26:58Z)
• SkillClaw: Let Skills Evolve Collectively with Agentic Evolver [18.942639318503062]
  マルチユーザエージェントエコシステムにおける集合的スキル進化のためのフレームワークであるSkillClawを紹介する。 SkillClawは、クロスユーザとオーバータイムのインタラクションを、スキル向上のための主要なシグナルとして扱う。 使用中に生成された軌跡を連続的に集約し、自律的な進化器で処理する。 得られたスキルは共有リポジトリに保持され、ユーザ間で同期される。
  論文  参考訳（メタデータ） (2026-04-09T15:38:27Z)
• Are We All Using Agents the Same Way? An Empirical Study of Core and Peripheral Developers Use of Coding Agents [4.744786007044749]
  我々は,コア開発者および周辺開発者の受け入れに先立って,エージェント生成コントリビューションの使用,レビュー,修正,検証について検討する。 周辺開発者のサブセットはエージェントを頻繁に使用し、バグ修正、機能追加、ドキュメント、テストに均等にタスクを委譲する。 対照的に、コア開発者はドキュメントとテストに集中しているが、エージェントPRはメイン/マスターブランチに頻繁にマージされる。
  論文  参考訳（メタデータ） (2026-01-27T22:50:01Z)
• Enabling Personalized Long-term Interactions in LLM-based Agents through Persistent Memory and User Profiles [0.4885400580268118]
  大規模言語モデル(LLM)はAIエージェントの中央制御ユニットとしての役割を担っている。 本稿では、パーソナライズされた長期的なインタラクションを実現するために、永続メモリ、動的コーディネーション、自己検証、およびユーザプロファイルの進化を統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-09T08:22:16Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)

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。