Fugu-MT 論文翻訳(概要): Reproducibility in the Age of Agentic AI: Context Engineering at the Timescale of a Codebase

論文の概要: Reproducibility in the Age of Agentic AI: Context Engineering at the Timescale of a Codebase

arxiv url: http://arxiv.org/abs/2609.11728v1
Date: Thu, 10 Sep 2026 15:43:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.436565
Title: Reproducibility in the Age of Agentic AI: Context Engineering at the Timescale of a Codebase
Title（参考訳）: エージェントAI時代の再現性:コードベースの時間スケールにおけるコンテキストエンジニアリング
Abstract要約: エージェントはテストの維持、コミット履歴、リポジトリの構造、指示、決定記録のコストを削減し、すぐに利益を得られるようにします。研究者たちは、これらのアーティファクトと彼らがエンコードした科学的判断の検証に引き続き責任を負っています。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Reproducible research practices are context engineering for AI coding agents. I argue that agents lower the cost of maintaining tests, commit histories, repository structure, instructions, and decision records while making their benefits immediate. Researchers remain responsible for verifying these artifacts and the scientific judgments they encode.
Abstract（参考訳）: 再現可能な研究プラクティスは、AIコーディングエージェントのコンテキストエンジニアリングである。エージェントはテストの維持、コミット履歴、リポジトリの構造、指示、決定記録のコストを削減し、すぐに利益を得られるようにします。研究者たちは、これらのアーティファクトと彼らがエンコードした科学的判断の検証に引き続き責任を負っています。

関連論文リスト

ToFu: A White-Box, Token-Efficient Agent Harness for Researchers [73.72929185946842]
ToFuは、ファイルを読み、ファイルを編集し、コマンドを実行し、開発ツールと統合する研究者のためのエージェントハーネスだ。研究助手として、より優れたトークン効率、低コスト、多言語能力で実践的な研究を支援する。研究対象として、ToFuはホワイトボックスのエージェントハーネスを提供しており、研究者はオーケストレーションロジック、ツール使用の振る舞い、デザインを検査、修正、評価することができる。
論文参考訳（メタデータ） (2026-07-13T11:26:06Z)
LLMoxie: Exploring Agentic AI for Scientific Software Development [0.2708918306110244]
RSEが天文学、地球科学、気候科学、農業、健康プロジェクトに埋め込まれた大学ベースの研究ソフトウェアエンジニアリング(RSE)センターでの20ヶ月の実践の報告は、このギャップを埋めるために働いた。マルチドメインのRSEセンターでAgentic AIを採用する上で、繰り返し発生するインフラストラクチャ、ガバナンス、プロセスの課題を説明し、プラットフォームとプラグインの設計を説明し、実際の科学的ソフトウェアデプロイメントから運用上の教訓を抽出する。
論文参考訳（メタデータ） (2026-07-02T18:46:27Z)
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)
ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues [54.98461672730087]
ReproRepoは、人為的なGitHub問題を活用するスケーラブルな評価フレームワークで、現実的な再現ブロッカーを自然に監視する。 ReproRepoは、大規模なカンファレンスから1,149件の機械学習論文をインスタンス化し、4つのフロンティアモデルエージェント構成を評価します。その結果, LLMエージェントは, コードを実行せずにも, 紙とリポジトリのペアから多くの実世界の問題を識別できることがわかった。
論文参考訳（メタデータ） (2026-06-16T17:58:05Z)
Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
論文参考訳（メタデータ） (2026-06-10T22:55:30Z)
AI Coding Agents Can Reproduce Social Science Findings [5.410553210073652]
最近の証拠は、AIコーディングエージェントが、元のデータとコードを提供すると、公表された結果を再現できることを示唆している。 SocSci-Repro-Benchは、4つの分野と13の実体ドメインにまたがる221のタスクのベンチマークである。どちらも社会科学の発見を再現することができ、Claude CodeはCodexを大きく上回っている。
論文参考訳（メタデータ） (2026-06-09T21:00:05Z)
To What Extent Does Agent-generated Code Require Maintenance? An Empirical Study [0.0]
本研究では、AI生成ファイルの保守範囲、人間による関与、修正タイプを、人間によるコードに対して実証的に検討する。私たちは1,000以上のファイルを分析し、100の人気のあるリポジトリから約3,200の変更を加えました。
論文参考訳（メタデータ） (2026-05-07T15:52:41Z)
Can Coding Agents Reproduce Findings in Computational Materials Science? [49.254975563645786]
本稿では,大規模言語モデルの科学的主張を再現する能力を評価するためのベンチマークであるAutoMatを紹介する。課題を専門とする専門家と緊密に連携することで、実際の材料科学論文からの一連の主張をキュレートし、コーディングエージェントがエンドツーエンドのワークフローを回復し実行できるかどうかを検証します。結果、現在のLSMベースのエージェントはAutoMatの全体的な成功率を低くし、最も優れた設定は54.1%に過ぎなかった。
論文参考訳（メタデータ） (2026-05-01T17:42:12Z)
The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文参考訳（メタデータ） (2026-04-27T16:23:09Z)
AIRS-Bench: a Suite of Tasks for Frontier AI Research Science Agents [49.67355440164857]
AIRS-Benchは、最先端の機械学習論文から得られた20のタスクからなるスイートである。 Airs-Benchタスクは、研究ライフサイクル全体のエージェント能力を評価する。本稿では,AIRS-Benchタスク定義と評価コードをオープンソースとして公開し,自律科学研究のさらなる発展を促す。
論文参考訳（メタデータ） (2026-02-06T16:45:02Z)
AI builds, We Analyze: An Empirical Study of AI-Generated Build Code Quality [0.0]
ソフトウェア開発におけるAIコーディングエージェントの急速な採用は、それらが生成するコードの品質と保守性に関する重要な疑問を提起している。このデータマイニングの課題は、実世界のGitHubリポジトリからエージェントプルリクエストをキャプチャする、最初の大規模でオープンソースのデータセットであるAIDevに焦点を当てている。私たちは364のメンテナンス性とセキュリティ関連のビルドの臭いを、さまざまな重大度レベルにわたって特定しました。
論文参考訳（メタデータ） (2026-01-23T15:40:28Z)
Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文参考訳（メタデータ） (2025-07-10T20:12:54Z)

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。