論文の概要: Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding
- arxiv url: http://arxiv.org/abs/2608.11095v1
- Date: Tue, 11 Aug 2026 16:00:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.111973
- Title: Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding
- Title（参考訳）: CLAUDE.mdはなぜ成長し続けるのか?
- Abstract要約: エージェントのプロンプトは、その生涯に3つ以上の制限なく成長することを示す。
実世界のエージェント・インストラクション・フォローを最大23.1%改善できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic coding READMEs like CLAUDE.md grow without bound in real repositories, stopping only when the repository retires or someone rewrites the file wholesale. We trace this to imperfect recall: appending an instruction is always cheap, but once an instruction's rationale is gone, deleting it without risking a correctness regression costs O(2^|D|) in a prompt of |D| instructions. We name the resulting divergence catastrophic remembering, the inverse of catastrophic forgetting around which continual learning is organized. First, we characterize this phenomenon across 247,694 instruction lifetimes in 1,867 repositories: agentic prompts grow without bound, more than tripling over their lifetime (+226%), gaining +4.9 net instructions every commit; further, the older an instruction gets, the less likely it is to be deleted (log-hazard -0.032/commit). Then, we show that prompt comments can halt the growth: inverting IFEval yields verifiable worlds whose optimal prompts are known, and there comments encoding latent reasoning remove 99.3% of excess instructions (+211.3% to +1.4%). Finally, applying the same inversion to WildIFEval, we show that prompt comments can improve real-world agentic instruction-following by up to 23.1%. If English is the new code, why don't we have comments yet?
- Abstract（参考訳）: CLAUDE.mdのようなエージェントコーディングREADMEは、実際のリポジトリにバウンドせずに成長し、リポジトリがリタイアされたり、誰かがファイルソーセールを書き換えたときだけ停止する。
命令の追加は常に安価であるが、命令の論理が消えると、|D|命令のプロンプトで正しい回帰コストO(2^|D|)のリスクを負わずに削除する。
我々は、連続的な学習が組織化されている破滅的な記憶の逆である、発散する破滅的な記憶を命名する。
まず、1,867のリポジトリで247,694の命令寿命でこの現象を特徴づける: エージェントプロンプトはバウンドなしで成長し、寿命を3倍にし(+226%)、コミット毎に+4.9のネット命令を得る; さらに、命令が古いほど削除される可能性が低い(log-hazard -0.032/commit)。
IFEvalの逆転は、最適なプロンプトが知られている検証可能な世界を出力し、潜在推論を符号化したコメントは、過剰な命令の99.3%(+211.3%から+1.4%)を除去する。
最後に、WildIFEvalに同じ反転を適用することで、コメントのプロンプトが現実世界のエージェント命令のフォローを最大23.1%改善できることを示す。
もし英語が新しいコードなら、コメントはまだありませんか。
関連論文リスト
- We Must Have Missed This Comment: Detecting and Repairing Stale Function References in Linux Kernel Comments [16.193823619277357]
Linuxカーネルが進化するにつれて、コードコメントは時代遅れになる可能性がある。
このような古い参照を識別し、修復するための3段階のアプローチであるReCiteを提案する。
Linuxカーネル v6.18-rc1 では、ReCite は修正提案によって869の古い参照を検出する。
論文 参考訳（メタデータ） (2026-08-04T14:28:48Z) - Subtract or Replay? Exact Deletion from Language-Model Memory [0.16921396880325776]
永続的な言語モデルメモリからの排他的削除は、そのメモリがレコードをどのように表現するかに依存する。
我々は2つの事前訓練されたモデルにおいて、明示的な記録省略参照に対してこの区別を検証した。
論文 参考訳（メタデータ） (2026-07-30T00:17:05Z) - TRIM: Reducing AI-Generated CodeSlop via Agent Trajectory Minimization [57.14479960309637]
コーディングエージェントは、多くの下流タスクでコード生成を加速するためにますます使われています。
その価値にもかかわらず、エージェント生成コードは、対応する人間による実装よりも大きく、冗長である傾向がある。
原因はエージェント自身の検索プロセスにあることを示す。
論文 参考訳（メタデータ） (2026-07-20T17:06:19Z) - Why Git Is the Memory Solution for the Agentic Development Lifecycle [0.0]
私たちは、メモリはgitバウンドで、リポジトリのバージョン管理に組み込まれるべきであると考えています。
この台帳では、2つの問題を別々に解決し、それらを組み合わせます。
ルータは、git-anchored構造図に幅を広げ、信頼されたエピソードにルックアップを向け、意思決定の合理化を行う。
論文 参考訳（メタデータ） (2026-07-15T22:06:59Z) - Who Grades the Grader? Co-Evolving Evaluation Metrics and Skills for Self-Improving LLM Agents [9.989306175511238]
自己進化型エージェントシステムは、自身のスキルの作成、修正、引退によって改善されるが、そのようなループはすべて隠れた仮定に依存している。
まず、私たちのメトリックループは、完全な進化のライフサイクルの下で小さな検出器の組成を探索します。
第二に、メートル法が存在しないため、ヤードスティックは正確なメートル法が実現したことを回復しており、EmphDouble Ratchetは、ライフサイクル管理されたスキルループによるメトリックの共進化です。
論文 参考訳（メタデータ） (2026-07-14T14:02:50Z) - WiCER: Wiki-memory Compile, Evaluate, Refine Iterative Knowledge Compilation for LLM Wiki Systems [0.0]
我々は17のRepLiQAドメイン間のコンパイルギャップを特徴付ける(6,800の質問)。
本稿では,このギャップを埋める反例誘導抽象化改良(CEGAR)にインスパイアされた反復アルゴリズムであるWiCERを提案する。
全17項目のアブレーションにより、汎用ピンニング(+0.16)ではなく、ターゲット診断(+0.95)がゲインを駆動していることが確認された。
論文 参考訳（メタデータ） (2026-05-08T00:25:16Z) - 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) - When to Memorize and When to Stop: Gated Recurrent Memory for Long-Context Reasoning [50.486479460454866]
より安定かつ効率的な長文推論のための2つのテキスト制御ゲートを組み込んだGRU-Memを提案する。
GRU-Memは一般的に、最大400%の推論速度加速でバニラMemAgentを上回っている。
論文 参考訳（メタデータ） (2026-02-11T06:14:53Z) - SE-Search: Self-Evolving Search Agent via Memory and Dense Reward [87.79131676521656]
Retrieval augmented generation (RAG)は、検索した外部知識を条件づけることにより、大規模言語モデル(LLM)における幻覚や事実エラーを低減する。
既存の手法は、無関係または騒々しい文書を蓄積し、希少な強化学習信号に依存することが多い。
我々は,3つのコンポーネントによるオンライン検索行動を改善するセルフ進化検索エージェントであるtextbfSelf-textbfEvolving textbfSearchを提案する。
論文 参考訳（メタデータ） (2026-02-06T09:14:07Z) - Differentiable Semantic ID for Generative Recommendation [65.83703273297492]
生成的推薦は、各項目がリッチコンテンツから学習された個別意味ID(SID)によって表現される新しいパラダイムを提供する。
実際には、SIDはレコメンデーションの正確さよりもコンテンツ再構成に最適化されるのが一般的である。
自然なアプローチは、セマンティックインデックスを差別化して、レコメンデーショングラデーションが直接SID学習に影響を与えるようにすることだ。
本稿では,ジェネレーティブレコメンデーションのための効果的な識別可能なセマンティックIDに向けた第一歩として,DIGERを提案する。
論文 参考訳（メタデータ） (2026-01-27T15:34:11Z) - Memorize or Generalize? Evaluating LLM Code Generation with Code Rewriting [54.48306552577881]
大規模な言語モデル(LLM)は、主にメモリ化(トレーニングデータの大きな部分を複製または再利用する)と一般化(Generalization)を併用している、と我々は主張する。
既存の評価は、表面/構造的類似性を無視し、繰り返しコードの良質な再利用を有害なリコールと記憶タスクの正しさで混同する。
そこで我々は,2つの信号を組み合わせた正規化スコアである覚書リスク指標(MRI)を提案する。 (i) モデルが元の地平解とどのように類似しているか, (ii) 元のタスクから書き換えされたタスクにどの程度の性能が低下するか。
論文 参考訳（メタデータ） (2025-03-04T05:39:24Z) - Erasing Without Remembering: Implicit Knowledge Forgetting in Large Language Models [81.62767292169225]
我々は,その一般化に着目して,大規模言語モデルにおける知識の忘れについて検討する。
確率摂動に基づく新しいアンラーニングパラダイムであるPerMUを提案する。
TOFU、Harry Potter、ZsRE、WMDP、MUSEなど、さまざまなデータセットで実験が行われている。
論文 参考訳（メタデータ） (2025-02-27T11:03:33Z) - Certifying LLM Safety against Adversarial Prompting [70.96868018621167]
大規模言語モデル(LLM)は、入力プロンプトに悪意のあるトークンを追加する敵攻撃に対して脆弱である。
我々は,認証された安全保証とともに,敵のプロンプトを防御する最初の枠組みである消去・チェックを導入する。
論文 参考訳（メタデータ） (2023-09-06T04:37:20Z)
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。