論文の概要: StagedWorkspace: A Versioned Workspace for Knowledge-Work Agents
- arxiv url: http://arxiv.org/abs/2608.18050v1
- Date: Tue, 18 Aug 2026 17:44:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.432677
- Title: StagedWorkspace: A Versioned Workspace for Knowledge-Work Agents
- Title（参考訳）: StagedWorkspace - 知識労働エージェントのためのバージョン付きワークスペース
- Abstract要約: 知識処理エージェントのためのバージョン付きワークスペースであるStagedWorkspaceを提案する。
ワークスペースは解析されたレコードをバインドし、変更時にネイティブファイルの内容に差分をレビューする。
これらの結果は、ワークスペース状態を知識処理エージェントの実験変数として識別し、エビデンス、ステージ化された編集、提出されたアーティファクトを明示的な状態遷移として評価するベンチマークをモチベートする。
- 参考スコア（独自算出の注目度）: 10.513970462718364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI agents increasingly perform knowledge work (i.e., produce and modify persistent digital artifacts such as code repositories, documents, spreadsheets, slides, reports), yet the parsed views they search, the native files they edit, the changes they review, and the artifacts they submit can refer to different versions of the same work product. We formulate this as a workspace-state contract: every view should be explicitly tied to a version of the evolving workspace state. Coding agents partly address this need through repository contracts for search, diffs, and tests, whereas an analogous contract is less explicit for PDFs, spreadsheets, slides, notebooks, and mixed-format project folders. We propose StagedWorkspace, a versioned workspace for knowledge-work agents. The workspace binds parsed records and review diffs to content hashes of the native files as they change. In fixed-harness ablations on OfficeQA Pro and APEX-Agents, dual parsed/native access has the highest point estimate for every tested model; relative to the more limiting single view, it improves OfficeQA Pass@1 by 8.3-12.1 points and APEX mean rubric score by 4.7-9.2 points. SW-AGENT scores 63.9% with Gemini 3.1 Pro on OfficeQA and 42.1 with GPT-5.4 Nano on APEX, compared with published same-model scores of 29.3% and 25.5, respectively. A paired review-axis ablation on 57 file-editing tasks further finds higher observed scores when diffs are visible. These results identify workspace state as an experimental variable in knowledge-work agents and motivate benchmarks that score evidence, staged edits, and submitted artifacts as explicit state transitions.
- Abstract（参考訳）: AIエージェントは知識労働(例えば、コードリポジトリ、ドキュメント、スプレッドシート、スライド、レポートなどの永続的なデジタルアーティファクトの作成と修正)を行うが、検索したパースされたビュー、編集したネイティブファイル、レビューした変更、提出したアーティファクトは、同じ作業製品の異なるバージョンを参照することができる。
すべてのビューは、進化するワークスペース状態のバージョンに明示的に結び付けられなければならない。
一方、PDF、スプレッドシート、スライド、ノートブック、混合フォーマットのプロジェクトフォルダーでは類似の契約は明示的ではない。
知識処理エージェントのためのバージョン付きワークスペースであるStagedWorkspaceを提案する。
ワークスペースは解析されたレコードをバインドし、変更時にネイティブファイルの内容ハッシュに差分をレビューする。
OfficeQA Pro と APEX-Agents の固定ハーネス改善では、二重パース/ネイティブアクセスはテストモデル毎に最も高いポイント推定値を持ち、より制限された単一ビューと比較して、OfficeQA Pass@1 を 8.3-12.1 ポイント改善し、APEX 平均ルーリックスコアは 4.7-9.2 ポイント向上した。
SW-AGENTはOfficeQAではGemini 3.1 Pro、APEXではGPT-5.4 Nanoで63.9%、APEXでは29.3%、25.5だった。
57のファイル編集タスクにおける2対のレビュー軸アブレーションは、差分が見える場合にさらに高い観測スコアを求める。
これらの結果は、ワークスペース状態を知識処理エージェントの実験変数として識別し、エビデンス、ステージ化された編集、提出されたアーティファクトを明示的な状態遷移として評価するベンチマークをモチベートする。
関連論文リスト
- From Agent Behaviour to Agent-Friendly Documentation: An Empirical Study of How Coding Agents Discover, Read, and Write Technical Documentation [3.807723380039104]
技術ドキュメントは人間開発者のために書かれています。
ソフトウェア変更のシェアの増大は、今や自律的なコーディングエージェントによって引き継がれている。
本研究では,2つの公開データセット間でのエージェント・ドキュメント間相互作用に関する行動基礎研究を行う。
論文 参考訳（メタデータ） (2026-08-20T15:51:54Z) - SWE-Touch: Benchmarking Coding Agents When Users Touch the Code [27.67528029348664]
実際のソフトウェア開発では、コーディングエージェントが共有ワークスペースで動作し、ユーザが進行中のタスク中にコードを検査したり修正したりする必要がある。
我々は、検証済みのCounter-Editsを通じて、この設定をストレステストするフレームワークであるSWE-Touchを紹介する。
我々は、SWE-Bench ProとDeepSWEの長軸タスクに関する追加実験を行い、SWE-bench Verifiedの9つの符号化モデルを評価する。
論文 参考訳（メタデータ） (2026-08-03T17:03:19Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning [52.23991730630292]
大規模言語モデルは、パラメトリックな知識から答えるのではなく、文書を推論するエージェントとして、ますます多くデプロイされている。
大規模な、散らかった職場ファイルの集合にスパース証拠を配置し、一貫性のない用語、単位、時間規則を調整し、答えを計算する。
私たちは、362の質問と9,664の認証ドキュメントと372Mのトークンの8つのドメインコレクションをペアリングするベンチマークであるAgoraを紹介します。
論文 参考訳（メタデータ） (2026-06-23T12:57:18Z) - Software Delegation Contracts: Measuring Reviewability in AI Coding-Agent Work [0.0]
以前の作業では、タスク、権限、返却された作業パッケージ、受け入れコンテキストを、委譲されたコーディング作業の分析単位として記述するソフトウェア委譲契約を提案したが、その効果は測定しなかった。
本稿では,符号化エージェントの明示的デリゲート契約に関する制御されたパイロット研究について報告する。
論文 参考訳（メタデータ） (2026-06-14T05:53:27Z) - SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。
行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。
Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
論文 参考訳（メタデータ） (2026-06-12T08:20:09Z) - Workspace-Bench 1.0: Benchmarking AI Agents on Workspace Tasks with Large-Scale File Dependencies [29.138677906501865]
大規模なファイル依存を伴うワークスペース学習におけるAIエージェントの評価のためのベンチマークであるWorkspace-Benchを紹介する。
5つのワーカープロファイル、74のファイルタイプ、20,476のファイル(最大20GB)を持つ現実的なワークスペースを構築し、それぞれが7,399の合計ルーリックに対して評価された独自のファイル依存グラフを持つ388のタスクをキュレートする。
論文 参考訳（メタデータ） (2026-05-05T10:17:06Z) - ClawMark: A Living-World Benchmark for Multi-Turn, Multi-Day, Multimodal Coworker Agents [77.22389710754452]
マルチターンマルチデイタスクを中心に構築された同僚エージェントのベンチマークであるベンチを紹介する。
現在のリリースには、13のプロのシナリオにわたる100のタスクが含まれており、5つのステートフルなサンドボックスサービスに対して実行される。
最強のモデルは75.8の重み付きスコアに達するが、最も厳格なタスク成功率は20.0%に過ぎず、部分的な進歩が一般的であることを示している。
論文 参考訳（メタデータ） (2026-04-26T16:05:02Z) - ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。
それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。
評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
論文 参考訳（メタデータ） (2026-04-05T17:55:23Z) - FS-Researcher: Test-Time Scaling for Long-Horizon Research Tasks with File-System-Based Agents [53.03492387564392]
我々はFS-Researcherを紹介した。FS-Researcherはファイルシステムベースのフレームワークで、永続的なワークスペースを通じてコンテキストウィンドウを超えて深い研究をスケールする。
Context Builderエージェントはインターネットを閲覧し、構造化されたノートを書き、ソースを階層的な知識ベースにアーカイブする。
その後、レポートライターエージェントが最終レポートセクションをセクションごとに構成し、知識ベースを事実のソースとして扱う。
論文 参考訳（メタデータ） (2026-02-02T03:00:19Z)
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。