論文の概要: Credo: Reusable Declarative Primitives for Agentic Workflows

• arxiv url: http://arxiv.org/abs/2608.27790v1
• Date: Fri, 28 Aug 2026 00:06:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.167619
• Title: Credo: Reusable Declarative Primitives for Agentic Workflows
• Title（参考訳）: Credo: エージェントワークフローのための再利用可能な宣言的プリミティブ
• Abstract要約: コーディングエージェントは、候補プログラムを探索することで、強力なハーネスを発見することができる。 探索されたハーネスは、動作する論理的なステップ、重要なシグナル、実行に適応する物理演算子決定、効果的な迅速な戦略などの重要な知識を符号化する。 Credoは、検索されたハーネスの構造的宣言的な記述を復元し、抽出されたプリミティブに関連メタデータをタグ付けし、そのすべてを証明とともにカタログ化することで、この問題に対処する。
• 参考スコア（独自算出の注目度）: 1.0851051226732167
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An LLM application depends on both a model and a harness: the program that determines what each call sees, how many calls to make, and which answers to trust. Coding agents can now discover strong harnesses by searching over candidate programs, but the resulting artifact is an opaque block of imperative code whose logical steps, runtime signals, physical execution decisions, and prompt strategies remain implicit and task-specific, forcing subsequent tasks to start the harness search process from scratch. The potential for reuse, however, is substantial. A searched harness encodes significant knowledge, such as the logical steps that work, the signals that matter, the physical operator decisions that adapt execution, and the prompt strategies that are effective, yet this knowledge is buried in imperative code with no inspectable or reusable structure, nor does it carry any provenance or metadata. Credo addresses this problem by recovering a structured declarative description of a searched harness, tagging each extracted primitive with relevant metadata, and cataloguing all of it with provenance. A compiler can then bind stored primitives to generate harnesses for new tasks without having to start the search over from scratch. This paper provides preliminary results demonstrating the potential of our approach and lays out a related research agenda that the database community is well-positioned to tackle, including cost-based compilation over declarative catalogs and catalog maintenance under model and workload drift.
• Abstract（参考訳）: LLMアプリケーションはモデルとハーネスの両方に依存します。それぞれの呼び出しが何を見るか、何回コールするか、信頼への答えを判断するプログラムです。 コーディングエージェントは、候補プログラムを探索することで強力なハーネスを発見することができるが、結果として得られるアーティファクトは、論理的なステップ、実行時信号、物理実行決定、およびプロンプト戦略が暗黙的かつタスク固有のままである不透明な命令的コードのブロックである。 しかし、再利用の可能性はかなり大きい。 探索されたハーネスは、動作する論理的なステップ、重要なシグナル、実行に適応する物理演算子の決定、そして効果的な迅速な戦略などの重要な知識を符号化するが、この知識は検査可能な構造や再利用可能な構造を持たない命令型コードに埋もれ、証明やメタデータも持たない。 Credoは、検索されたハーネスの構造的宣言的な記述を復元し、抽出されたプリミティブに関連メタデータをタグ付けし、そのすべてを証明とともにカタログ化することで、この問題に対処する。 その後、コンパイラは格納されたプリミティブをバインドして新しいタスクのためのハーネスを生成することができ、スクラッチから検索を開始する必要がなくなる。 本稿では,本手法の可能性を実証する予備的な結果を提供し,宣言的カタログに対するコストベースのコンパイルや,モデルおよびワークロードドリフト下でのカタログ保守など,データベースコミュニティが取り組むべき課題について述べる。

関連論文リスト

• SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
  SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。 SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。 SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
  論文  参考訳（メタデータ） (2026-07-16T17:51:23Z)
• GrepSeek: Training Search Agents for Direct Corpus Interaction [66.69568141699311]
  GrepSeekは、コンパクトな検索エージェントを訓練し、大きなテキストコーパスから証拠を見つけ、フィルタリングし、構成する、最適化された直接コーパスインタラクション(DCI)検索エージェントである。 DCIを大規模に実用化するためには、シェルコマンドのシーケンシャルな実行とバイトエクササイズ等価性を保ちながら、シェルベースの検索を最大7.6タイムで高速化するセマンティックス保存のシャード並列実行エンジンを使用する。
  論文  参考訳（メタデータ） (2026-05-28T03:37:33Z)
• Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
  エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。 このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。 IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-05-03T19:13:11Z)
• Structure-Grounded Knowledge Retrieval via Code Dependencies for Multi-Step Data Reasoning [9.570699003294592]
  SGKRは、関数呼び出し依存性によって誘導されるグラフでドメイン知識を整理する。 多段階データ分析ベンチマークの実験により、SGKRは非検索および類似性に基づく検索ベースラインよりも解の正しさを一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-04-12T08:14:39Z)
• AlignCoder: Aligning Retrieval with Target Intent for Repository-Level Code Completion [55.21541958868449]
  リポジトリレベルのコード補完フレームワークであるAlignCoderを提案する。 我々のフレームワークは、初期クエリとターゲットコードのセマンティックギャップを橋渡しする拡張クエリを生成する。 我々は、拡張クエリにおける推論情報を活用してより正確な検索を行うAlignRetrieverのトレーニングに強化学習を採用する。
  論文  参考訳（メタデータ） (2026-01-27T15:23:14Z)
• Where to Search: Measure the Prior-Structured Search Space of LLM Agents [0.8249180979158818]
  本稿では、LLM支援反復探索をドメイン先導で記述し、評価するコンパクトな形式理論を提案する。 エージェントをファジィ関係演算子として入力と出力を表現し、実現可能な遷移をキャプチャする。 最も単純なテスト可能な推論を提供し、それらを2つのインスタンス化によって検証する。
  論文  参考訳（メタデータ） (2025-10-16T16:18:37Z)
• DIVER: A Multi-Stage Approach for Reasoning-intensive Information Retrieval [36.38599923075882]
  DIVERは、推論集約的な情報検索のために設計された検索パイプラインである。 ドキュメント前処理ステージ、クエリ拡張ステージ、検索ステージ、再ランクステージの4つのコンポーネントで構成されている。 BRIGHTベンチマークでは、DIVERは最先端のnDCG@10スコアを45.8点、オリジナルクエリでは28.9点と達成し、競争力のある推論モデルを上回っている。
  論文  参考訳（メタデータ） (2025-08-11T13:57:49Z)
• Large Language Model Can Be a Foundation for Hidden Rationale-Based Retrieval [12.83513794686623]
  本稿では,隠れ合理性検索という,より困難なタイプの検索タスクを提案し,検討する。 このような問題に対処するためには、命令調整付き大規模言語モデル(LLM)とクロスエンコーダアーキテクチャが妥当な選択である可能性がある。 我々は、RaHoReによってこの検索フレームワークを命名し、感情支援会話(ESC)におけるゼロショットおよび微調整性能上の優位性を検証した。
  論文  参考訳（メタデータ） (2024-12-21T13:19:15Z)
• CodeXEmbed: A Generalist Embedding Model Family for Multiligual and Multi-task Code Retrieval [103.116634967815]
  CodeXEmbedは400Mから7Bパラメータの大規模なコード埋め込みモデルのファミリーである。 我々の新しいトレーニングパイプラインは、複数のプログラミング言語を統合し、様々なコード関連タスクを共通の検索フレームワークに変換する。 私たちの7Bモデルは、コード検索において新しい最先端(SOTA)を設定し、以前の主要なモデルであるVoyage-CodeをCoIRベンチマークで20%以上上回っています。
  論文  参考訳（メタデータ） (2024-11-19T16:54:45Z)
• CoIR: A Comprehensive Benchmark for Code Information Retrieval Models [52.61625841028781]
  COIR(Code Information Retrieval Benchmark)は、コード検索機能を評価するために設計された、堅牢で包括的なベンチマークである。 COIRは、厳密にキュレートされた10のコードデータセットで構成され、7つの異なるドメインにまたがる8つの特有の検索タスクにまたがる。 我々は,COIRを用いた9つの広く使用されている検索モデルを評価し,最先端システムにおいても,コード検索タスクの実行に重大な困難があることを明らかにする。
  論文  参考訳（メタデータ） (2024-07-03T07:58:20Z)
• I3: Intent-Introspective Retrieval Conditioned on Instructions [83.91776238599824]
  I3は,タスク固有の訓練を使わずに,インストラクションに条件付けられた様々なタスクに対して,インテント・イントロスペクティブ検索を行う統合検索システムである。 I3は、特定の検索意図を理解するために、パラメータ分離された方法でプラグ可能なイントロスペクタを組み込む。 LLM生成データを利用してI3フェーズ・バイ・フェイズを訓練し、プログレッシブ・ストラクチャー・プルーニングとドローバック・ベースのデータリファインメントという2つの重要な設計を具現化した。
  論文  参考訳（メタデータ） (2023-08-19T14:17:57Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)

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。