Fugu-MT 論文翻訳(概要): The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context

論文の概要: The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context

arxiv url: http://arxiv.org/abs/2608.14838v1
Date: Fri, 14 Aug 2026 19:22:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 19:59:03.099626
Title: The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context
Title（参考訳）: Recall Trap: 修正予算コードコンテキストにおけるリコール最大化リトライバー構成による課題解決
Abstract要約: コード修復における制御ケーススタディを報告し,新しい現象ではない。私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。 BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
参考スコア（独自算出の注目度）: 45.88028371034407
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Retrieval components for code assistants are tuned against retrieval metrics: a configuration that raises recall@k is adopted, and downstream task success is assumed to follow. We report a controlled case study in code repair, not a new phenomenon but a deployed-flag, execution-graded instance of the known relevance-diversity and objective-mismatch tradeoff (Levy et al., 2025). On SWE-bench Verified we inject a retriever's hits as a fixed 12-slot context pack with no search tools and toggle one flag (one-chunk-per-file deduplication) on an otherwise identical stack. The flag is the higher-recall configuration (gold file present in 0.878 of served packs against 0.806 disabled), yet disabling it, trading file breadth for within-file depth, raises the single-shot resolve rate: gpt-5.6-sol +7.6pp (39.2% to 46.8%, n=500, McNemar exact p=0.0003), and a pre-registered open-weights replication any reviewer can re-run (Qwen3.6-27B, +3.6pp, n=499, p=0.0133); both survive repository-clustered inference. The gain tracks within-file anchor dose, and a random-chunk control refutes an argmax-selection artifact. We map where it holds: it reverses on a lexical BM25 retriever (-3.2pp, significant cross-paradigm interaction), is not detected under unrestricted-Read agents (a powered null), and across four languages (SWE-PolyBench, N=617) is positive but not significant (+2.6pp, p=0.056), a mapped boundary rather than a confirmed extension. Operationally, at a tight fixed budget: do not hard-deduplicate by file, and A/B packing policies against the task, not the metric the flag was tuned to.
Abstract（参考訳）: コードアシスタントの検索コンポーネントは、検索メトリクスに対して調整される。recall@kを上昇させる設定が採用され、ダウンストリームタスクの成功が続くと仮定される。コード修復における制御されたケーススタディを報告した。これは新しい現象ではなく、既知の妥当性の多様性と客観的ミスマッチトレードオフ(Levy et al , 2025)の展開段階、実行段階のインスタンスである。 SWE-bench Verifiedでは、検索ツールのない固定12スロットコンテキストパックとしてレトリバーのヒットを注入し、それ以外は同じスタック上の1つのフラグ(ファイル毎の重複)をトグルします。 gpt-5.6-sol +7.6pp (39.2% - 46.8%, n=500, McNemar exact p=0.0003) と、登録済みのオープンウェイトレプリケーション(Qwen3.6-27B, +3.6pp, n=499, p=0.0133)である。ゲインはファイル内アンカー線量を追跡し、ランダムチャンク制御はargmax選択アーティファクトを再利用する。語彙的BM25レトリバー(3.2pp、重要なパラダイム間相互作用)を逆転させ、非制限読解エージェント(パワードヌル)では検出されず、4つの言語(SWE-PolyBench, N=617)は正だが有意ではない(+2.6pp, p=0.056)。運用面では、厳格な固定予算で: ファイルごとにハードdedlicateをしない、タスクに対してA/Bパッケージングポリシーをセットする、フラグが調整されたメトリックではない。

関連論文リスト

ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。モデル自身の失敗から両方を得るReDraftを紹介します。
論文参考訳（メタデータ） (2026-09-15T04:59:03Z)
NovaFabric: Tamper-Evident, Replayable Evidence for Autonomous AI Agent Runs [0.0]
我々はNovaFabricを紹介し、監査グレードの実行証拠を作成している。エージェントロジックを変更することなく実行中のエージェントを、ポータブルなRun Capsuleに記録する。シードランは4モードのリプレイプロトコルで再実行可能である。我々は8つの研究課題を測定範囲で評価した。
論文参考訳（メタデータ） (2026-09-11T08:35:43Z)
Hindsight Memory-PRM: Supervising Memory Management with Auditable Hindsight Credit [48.811961095386]
Hindsight Memory-PRMはこの監査パスを2回利用します。オフラインで操作条件付きメモリユーティリティの批判をトレーニングする。オンラインでは、検索、引用、および1つの制御された削除と再回答が、介入校正されたエントリーレベルのプレゼンスクレジットを確定する。
論文参考訳（メタデータ） (2026-08-30T06:53:13Z)
Navigation-Informed Embeddings: Dense-Retriever Adaptation from Agent Search Traces [0.0]
追跡対象の家系であるNIE(Navigation-Informed Embeddings)を紹介する。 NIE-Stopは停止する文書をソフトなポジティブに変え、NIE-Pathは先行するパス文書をハードな比較として使用する。 NIE-Pathは長路性能を55.4に引き上げ、未適応のエンコーダは46.7に向上した。
論文参考訳（メタデータ） (2026-08-16T23:07:44Z)
AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents [83.37969790806069]
LLMエージェントのエラーは、エラーが表面化するステップが原因ではないことが多いため、デバッグが難しい。 Agent DebuggerXはオープンソースのフレームワークで、デバッグをDe Detect, Attribute, Recover, Rerunのクローズドループとして整理する。コアとなるDeep Debuggerは、グローバルな軌跡理解を通じてマルチターン根本原因診断を行う。
論文参考訳（メタデータ） (2026-07-21T06:21:13Z)
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)
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)
Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文参考訳（メタデータ） (2026-06-29T06:39:03Z)
SCAR: Semantic Continuity-Aware Retrieval for Efficient Context Expansion in RAG [0.0]
SCAR(Semantic Continuity-Aware Retrieval)は、構造的連続性ペナルティに対してクエリ隣の関連性を重み付け、近隣のチャンクを拡張する適応型検索ポリシーである。 4つの多様なコーパス(RFC, 10-K レポート, Merger 契約; N=320 クエリ, 160 境界フラグメンテーション)において SCAR は,静的ウィンドウ処理 (10.16 チャンク) に比べて 22.9% 削減された。
論文参考訳（メタデータ） (2026-06-15T12:55:49Z)
Control-Plane Placement Shapes Forgetting: An Architectural Study of Agent Memory Across Thirteen System Configurations [1.2763567932588586]
ForgetEvalは1000ケースのテンプレート・スイートと385ケースの対向層(手作り+253 LLMのオラクル・バリデーション) 決定論的プリミティブは語彙的・時間的カテゴリーで十分だが、正準化に失敗する。 1000ケースのテンプレートスイートと385ケースの反対層であるForgetEvalを通じて、トレードオフを公開しています。
論文参考訳（メタデータ） (2026-06-14T16:32:15Z)
Decision-Aware Memory Cards: Counterfactual-Inspired Context Selection and Compression for Tool-Using LLM Agents [3.964533007623828]
現代の大規模言語モデル(LLM)エージェントは、行動の時点で決定に関連のある証拠を必要とする。本稿では、事例コンテキストグラフを構築し、候補単位の決定指向ユーティリティを推定し、選択したエビデンスを型付きメモリカードに圧縮するCICLについて述べる。 CICLは、ツール使用エージェントの意思決定クリティカルコンテキストの測定、ランキング、圧縮のための実用的なレイヤを提供する。
論文参考訳（メタデータ） (2026-06-06T13:02:28Z)
Strained Coherence: A Pre-Failure Signal in Coding Agent Execution Trajectories [0.0]
LLMベースのコーディングエージェントは、時には自身の推論で問題を認識し、いずれにせよ前進する。我々はClaude Sonnet 4.6のジャッジを構築し、完全なトラジェクトリとフラグがパターンの発生する場所にまたがる。 Qwen3.5-35B-A3Bのバックボーンを用いて44個の終端ベンチ2軌道上で評価を行った。
論文参考訳（メタデータ） (2026-06-05T22:52:16Z)
Overeager Coding Agents: Measuring Out-of-Scope Actions on Benign Tasks [40.270213696031625]
OverEager-Genは、良質なタスクの振る舞いをオーバーイーガーするベンチマークである。クロード・コードでは、同意宣言を削除するだけで、オーバーイーガー率は0.0%から17.1%に上昇する。オーバーイーガー・ジェン(OverEager-Gen)は、入場前に各シナリオの識別力を認定する。
論文参考訳（メタデータ） (2026-05-18T16:00:41Z)
Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文参考訳（メタデータ） (2026-05-15T17:08:27Z)

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。