論文の概要: Loop Engineering: Building Blocks, Adoption, and Impact
- arxiv url: http://arxiv.org/abs/2608.21884v2
- Date: Wed, 26 Aug 2026 21:30:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 14:16:51.58318
- Title: Loop Engineering: Building Blocks, Adoption, and Impact
- Title（参考訳）: ループエンジニアリング: ブロックの構築、採用、影響
- Abstract要約: 2026年6月、実践者はループエンジニアリングと呼ばれるさらなるレベルを記述し始めた。
この用語は、大胆な主張と声楽的な懐疑主義を伴って急速に広まったが、ソフトウェアプロジェクトへの導入は測定されていない。
本研究は, 先進的なグレー文学の探索的考察であり, 十分に設計されたループが含んでいるものについて概ね一致している。
- 参考スコア（独自算出の注目度）: 9.402135587560347
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the past months, the way developers direct agentic AI coding tools has moved up several levels of abstraction, from phrasing prompts to engineering context to configuring the harness around the model. In June 2026, practitioners began to describe a further level called loop engineering: Instead of prompting an agent interactively, developers design systems that prompt agents for them. These systems start agent runs on a schedule or on repository events and stop them when a machine-checkable condition holds. The term spread rapidly, accompanied by bold claims and vocal skepticism, but its adoption in software projects has not been measured. We present an exploratory review of the emerging gray literature, which largely agrees on what a well-engineered loop contains: triggered agent runs bounded by machine-checkable stop conditions, persistent state files, verifier sub-agents, token budgets, and defined points of escalation to humans. From this review, we derive a research agenda for the empirical study of loop engineering in open-source projects, analyze which of its aspects are traceable from repository data, and report an exploratory mining study of 36,710 software repositories. We confirmed the operation of autonomous agent loops in 217 of the 256 repositories our heuristics matched. The repositories commit the configuration around these loops, but almost none commits the state files the discourse prescribes, and the loops' runtime state remains outside version control. We conclude by outlining a planned controlled study of agent autonomy levels and their effect on effort and outcomes.
- Abstract（参考訳）: 過去数ヶ月間、開発者がエージェントAIコーディングツールをダイレクトする方法は、プロンプトの表現からエンジニアリングコンテキスト、モデルを囲むハーネスの設定に至るまで、いくつかのレベルの抽象化に移行してきた。
2026年6月、実践者はループエンジニアリングと呼ばれるさらなるレベルについて説明した: エージェントを対話的にプロンプトするのではなく、開発者はエージェントをプロンプトするシステムを設計した。
これらのシステム開始エージェントはスケジュールやリポジトリイベント上で動作し、マシンチェック可能な条件が保たれたときに停止する。
この用語は、大胆な主張と声楽的な懐疑主義を伴って急速に広まったが、ソフトウェアプロジェクトへの導入は測定されていない。
本稿では, 機械チェック可能な停止条件, 永続状態ファイル, 検証サブエージェント, トークン予算, エスカレーションの定義点などにより, トリガエージェントがバウンドされる。
本稿では,オープンソースプロジェクトにおけるループエンジニアリングの実証研究の課題を導き,リポジトリデータからどの側面がトレース可能かを分析し,36,710件のソフトウェアリポジトリの探索的マイニングについて報告する。
256のリポジトリのうち217の自律エージェントループの動作が、我々のヒューリスティックスと一致していることを確認した。
リポジトリはこれらのループの周囲に設定をコミットするが、ほとんどの場合ディスコースが規定する状態ファイルはコミットせず、ループのランタイム状態はバージョン管理外にある。
我々は,エージェントの自律度と,それらが努力と成果に与える影響について,計画された制御された研究の概要をまとめて結論づける。
関連論文リスト
- LoopsBench: From Harness Engineering to Loop Engineering in Benchmarking Coding Agent [60.27239351179265]
LOOPSBENCHは、符号化エージェント評価におけるループエンジニアリングのベンチマークである。
8つのプログラミング言語と9つのドメインにまたがる、本物のソースからの112のタスクで構成されている。
フロー対応ランタイムは、準備されたフロンティアに沿ってテストをリリースし、レグレッション義務として完了したノードを保持します。
論文 参考訳（メタデータ） (2026-07-31T20:18:25Z) - Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering [8.368707686524482]
エンジニアがアーキテクチャ、ツール、エビデンス、フィードバックループを整理して、AIによる開発が検査可能で、修正可能で、メンテナンス可能であるようにする方法を研究します。
プロセスモデルとして表現されたガバナンス変換の理論を開発し,高速度エージェントの実装がいかに制御可能かを説明する。
論文 参考訳（メタデータ） (2026-07-01T15:44:15Z) - Agentic Hardware Design as Repository-Level Code Evolution [8.614736536216526]
HORIZONは、ハードウェア設計をリポジトリレベルのコード進化として扱うセルフ進化エージェントフレームワークである。
我々はChipBench, RTLLM, Verilog-Eval, 9つのCVDPカテゴリについて検討した。
論文 参考訳（メタデータ） (2026-06-26T17:21:06Z) - AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳（メタデータ） (2026-06-25T10:42:28Z) - Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development [0.0]
エージェントAIコーディングシステムは、リポジトリを検査し、実装手順を計画し、ファイルを編集し、テストを実行し、プルリクエストを送信できる。
現在の証拠は、自律的なコード生成がエンジニアリングの結果を自動的に改善するという単純な主張を支持していない。
この論文は、中心的な問題は、もはや迅速なエンジニアリングではなく、エンジニアリングプロセスの制御である、と論じている。
論文 参考訳（メタデータ） (2026-05-19T20:10:13Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - AI Harness Engineering: A Runtime Substrate for Foundation-Model Software Agents [1.4323566945483497]
ファンデーションモデルは、自動コード生成を変革しましたが、現実的な開発環境では、自律的なソフトウェアエンジニアリングエージェントは信頼できないままです。
本稿では,基盤モデルエージェントがプロジェクトを観察し,それを処理し,フィードバックを受信し,変更が完了したことを確定する,モデルハーネス環境システムを提案する。
このフレームワークは、ファンデーションモデルがパッチを作成できるかどうかから、モデルハーネス環境システムが検証可能な正確さ、属性、メンテナンス可能な変更を生成できるかどうかという、自律的なソフトウェアエンジニアリングの中心的な疑問を再考する。
論文 参考訳（メタデータ） (2026-05-13T11:14:59Z) - NL2Repo-Bench: Towards Long-Horizon Repository Generation Evaluation of Coding Agents [79.29376673236142]
既存のベンチマークは、完全なソフトウェアシステムを構築するのに必要な長期的能力の厳格な評価に失敗する。
符号化エージェントの長期リポジトリ生成能力を評価するために設計されたベンチマークであるNL2Repo Benchを提案する。
論文 参考訳（メタデータ） (2025-12-14T15:12:13Z)
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。