論文の概要: Capability Sheaves for Compositional Agent-Harness Repair: Controlled Quotients and a Real-Repository Stress Test
- arxiv url: http://arxiv.org/abs/2608.13228v1
- Date: Thu, 13 Aug 2026 13:31:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.542661
- Title: Capability Sheaves for Compositional Agent-Harness Repair: Controlled Quotients and a Real-Repository Stress Test
- Title（参考訳）: 合成剤・ハーネス修復用キャパビリティシーブ:制御成分と実貯留応力試験
- Abstract要約: エージェントハーネスは、検索、ルーティング、状態、証明、検証を組み合わせるが、ローカルに成功したコンポーネントは共有状態に異を唱えることがある。
我々は、この失敗を有限エンハンパビリティ層でモデル化する:ストークは型付き動作シグネチャを符号化し、制限マップは共有フィールドを保持し、受け入れられた実行は有用なグローバルセクションである。
20以上のタスククラスタで制御された実験では、生の状態がニュアンス変数である隠された内部メディエータが導入された。
次に、PatchFuseBenchのSWE-benchプールから分離した発見法について、20のリポジトリから160の課題、875の実際の候補パッチ、2,579のソースを意識した編集原子をテストした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agent harnesses combine retrieval, routing, state, provenance, and verification, but locally successful components may disagree on shared state. We model this failure with a finite \emph{capability sheaf}: stalks encode typed behavior signatures, restriction maps retain shared fields, and accepted runs are useful global sections. An exact finite constraint-satisfaction problem (CSP) defines acceptance, while a linearized relative cohomology class provides a diagnostic and search feature. A controlled experiment over 20 task clusters introduces hidden interior mediators whose raw states are nuisance variables. Quotienting their coboundaries reduces the candidate budget from 2,000 to 1,000 per cluster; aligning the hidden state removes the gap. Exact CSP matches the quotient, so the result demonstrates invariance to stale representatives, not superiority over exact reasoning. We then test the method on a discovery split from the SWE-bench Multilingual pool of PatchFuseBench: 160 issues from 20 repositories, 875 real candidate patches, 2,579 source-aware edit atoms, and 153 newly executed patches. A first pool-level construction is constant because $[b-Dx]=[b]$ in $\operatorname{coker}D$ and therefore cannot rank configurations. A candidate-indexed repair is nontrivial on 848/875 candidates and varies within 120/160 issues. It resolves 118 issues versus 116 for a matched noncohomological selector, but the difference is not supported across repositories (exact sign-flip $p=0.75$). A leave-one-repository-out abstention gate reaches 127/160, tying the strong anchor and exceeding its matched gate by one issue ($p=1.0$). The discovery gate therefore fails and the confirmatory split remains sealed. The study supports the controlled invariance mechanism and an identifiability correction, but not a real-world cohomological advantage.
- Abstract（参考訳）: エージェントハーネスは、検索、ルーティング、状態、証明、検証を組み合わせるが、ローカルに成功したコンポーネントは共有状態に異を唱えることがある。
我々は、この失敗を有限の 'emph{capability sheaf} でモデル化する: stalks encodeed behavior signatures, limit map maintain shared field, and accepted run is useful global section。
厳密な有限制約-満足問題(CSP)は受け入れを定義し、線形化された相対コホモロジークラスは診断と探索の機能を提供する。
20以上のタスククラスタで制御された実験では、生の状態がニュアンス変数である隠された内部メディエータが導入された。
境界を定めれば、候補の予算はクラスタ毎に2,000から1,000に削減され、隠れた状態の整列によってギャップが取り除かれる。
排他的 CSP は商と一致するので、結果は、厳密な推論よりも優越性ではなく、安定化された代表に対する不変性を示す。
次に、PatchFuseBenchのSWE-bench Multilingual poolから分離した発見法について、20のリポジトリから160の課題、875の実際の候補パッチ、2,579のソース対応編集原子、153の新しく実行されたパッチをテストした。
a first pool-level construction is constant because $[b-Dx]=[b]$ in $\operatorname{coker}D$。
候補付き修復は848/875の候補では非自明であり、120/160の項目で異なる。
一致した非コホモロジーセレクタの118件対116件を解決しているが、この差はレポジトリ間ではサポートされない(例:sign-flip $p=0.75$)。
残余の保留ゲートは127/160に到達し、強いアンカーを結び、マッチしたゲートを1枚(p=1.0$)超える。
したがって、発見ゲートは失敗し、確認分割は封印されている。
この研究は、制御された不変性機構と識別可能性の補正を支持するが、現実世界のコホモロジー的優位性は持たない。
関連論文リスト
- Bilevel Coordinated Reflection: A Game-Theoretic Approach to Multi-Agent LLM Systems [40.47928908205563]
マルチエージェントLLMシステムは、一般的にオーケストレータを使用して、労働者のチームのためにタスクを分解し、テキストリフレクションによって改善する。
強い実証結果にもかかわらず、これらのシステムには調整、メモリ改善、外部検証の役割の統一的な説明が欠けている。
我々は,評価のための信頼ゲーティングと,断片的な静止環境に対する保証の再集計を行う。
実験では、これらのオブジェクトを環境条件付きメトリクスでインスタンス化し、予測調整法則とドリフト法則をテストする。
論文 参考訳（メタデータ） (2026-09-02T15:50:10Z) - Sampling-based Certified Planning with Graphs of Convex Sets [3.732244093761483]
凸上の平面は、凸領域が衝突のない場合、建設によって衝突のない軌道を返す。
私たちはその答えを認定するプランナーを構築します。
あらゆる29ドルのタスククエリに対してゼロの無効な回答を、参照に対して21ドル、最初の認定された回答を0.11ドル、参照の未検証クエリに対して1.59ドル、参照が物理的に有効であるすべてのクエリに対して正確に参照最適化を再現する。
論文 参考訳（メタデータ） (2026-08-30T12:57:53Z) - An Omitted Mode Is a Rare Rule: The Sampling-Verification Danger Law in Continuous Code World Models [0.0]
GPT-5.xは111モードを含む合成ドローのうち105個の省略された1Dクランプを修復する。
2D領域では、ルールを回復するアーティファクトは存在しない(0/156)。
我々は、入場規則のクラスを、演奏中の全てのサンプルと正確に一致しているが、無害であることを示すので、識別性は楽器の計測可能な特性である。
論文 参考訳（メタデータ） (2026-08-18T16:09:51Z) - Sub-Quadratic Bisimulation Metrics via Approximate Nearest Neighbors: Coverage-Augmented Guarantees and Computable Two-Sided Certificates [1.2891210250935148]
我々は,境界遷移をサポートするMPPに対して,証明書を搬送するサブクワッドラティックな方法を提案する。
近似アレスト近傍指数は、正確に制限された演算子によって更新されたペアを選択する。
ローカルインデックスの品質だけでは、グローバルエラーを制御できない。
論文 参考訳（メタデータ） (2026-08-07T03:32:40Z) - Consistent Evidence, Robust Recognition: Faithful Attribution Regularization under Geometric Transformations [42.90321348046055]
画像領域のサブモジュール探索に基づくアノテーションのない属性正規化フレームワークを提案する。
候補部分集合がモデル出力にどのように影響するかを測定することで、探索は、コンパクトでクラス識別的な証拠を探索由来の監督として抽出する。
ImageNet-100の実験結果から,VT-B/16の属性安定性,挿入性,削除性は0.28ポイントの精度低下で大幅に向上することがわかった。
論文 参考訳（メタデータ） (2026-07-26T20:41:38Z) - Operational Proto-Introspection in Looped Language Models: Process-Quality Taps, Executable Branching, and the Readout-Control Boundary [0.0]
言語モデルは、進行中の計算の質を読み取ることができるか?
外部介入は、その読み出しをより良い結果に変えることができるか?
凍結した2.6Bループ変換器,Ouro-RLTTで両質問を検証した。
論文 参考訳（メタデータ） (2026-07-20T22:40:36Z) - Fixed-Set Robustness in Programming by Example: Example Corruption and Semantic Partition Recovery [2.054408744752205]
本稿では,異なる障害モード,つまり合成器を目にした相手が,復帰プログラムを最も損なうような事例を選択することについて検討する。
我々は,有限 PBE バージョン空間の最悪ケースを固定セットし,厳密なバウンドプールを実装し,文字列変換 DSL の汚職検索を行った。
論文 参考訳（メタデータ） (2026-07-01T07:38:35Z) - What Are We Actually Decoding? Source Attribution for Non-Invasive Brain-to-Language Retrieval [42.66754319854329]
我々は,刺激同期MEG-to-audio検索を監査フレームワークとして再放送した。
構造的ショートカット、ウィンドウレベルの刺激ロックされたエビデンス、ウィンドウ間のコンテキストアグリゲーションを使用します。
これらの結果は、脳から言語へのパフォーマンスは、単に報告されるのではなく、ソース属性であるべきだことを示唆している。
論文 参考訳（メタデータ） (2026-05-23T11:23:39Z) - PBT-Bench: Benchmarking AI Agents on Property-Based Testing [29.035258104995204]
PBT-Benchは、40の実際のPythonライブラリにまたがる100のプロパティベースのテスト問題のベンチマークである。
各問題は1つ以上のセマンティックなバグ(総数365、平均3.65)を注入し、デフォルトのストラテジーなランダムな入力がほとんど起こらないように設計する。
PBT指導によるバグリコールは42.1%から83.4%の範囲で、オープンエンドベースラインでは31.4%から76.7%である。
論文 参考訳（メタデータ） (2026-05-13T18:01:05Z) - Efficient Ensemble Selection from Binary and Pairwise Feedback [32.05855919168298]
マルチウィンナー投票の分布変種として選択問題を考察する。
我々は、正しい/間違った結果のタスクに対する二項フィードバックと、候補出力を優先的に比較したタスクに対するペアフィードバックの両方を解析する。
本稿では,全情報最適化はPTASを許容するが,Gap-ETHの下ではEPPTASを含まないことを示し,目的はモノトーンだが部分モジュラーではないことを示す。
論文 参考訳（メタデータ） (2026-05-10T15:01:34Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - Controlling Authority Retrieval: A Missing Retrieval Objective for Authority-Governed Knowledge [0.0]
私たちはこれを CAR と呼び、セマンティックアンカー q、すなわち front(cl(A_k(q))) に対して現在アクティブな権限を取得する。
我々は、セキュリティアドバイザリ、SCOTUSオーバーラリングペア、FDA薬物記録の3つの実世界のデータセットを評価した。
GPT-4ominiの実験では、RAGは、パッチが存在するクエリの39%に対して、明示的な"パッチなし"のクレームを生成する。
論文 参考訳（メタデータ） (2026-04-15T23:56:35Z) - XFACTORS: Disentangled Information Bottleneck via Contrastive Supervision [37.140199946294565]
textscXFactorsは弱制御されたVAEフレームワークで、選択された要素のセットを乱し、明示的に制御する。
提案手法は遅延容量の増加とともに精度良くスケールし,実世界のデータセットCelebAで評価する。
論文 参考訳（メタデータ） (2026-01-29T13:20:48Z) - Minimizing Human Intervention in Online Classification [45.127516760754425]
質問応答システムにおけるオンライン問題を紹介し,研究する。
この問題では、エージェントは、i.i.d.で描画された$d$次元の埋め込みを表すユーザ送信クエリをシーケンシャルに分類しなければならない。
目標は、フリーのエキスパートアクセスを持つオラクルに対する後悔を最小限に抑えることだ。
サブシアン混合からクエリが引き出されると、$T le ed$ に対して Center-basedgau (CC) は、$NlogN$ に比例して後悔を達成する。
論文 参考訳（メタデータ） (2025-10-27T17:31:24Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z)
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。