論文の概要: Assurance Envelopes for Autonomous Coding Agents: Minimum-Cost Evidence for Software Change
- arxiv url: http://arxiv.org/abs/2609.16302v1
- Date: Mon, 14 Sep 2026 20:06:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.228684
- Title: Assurance Envelopes for Autonomous Coding Agents: Minimum-Cost Evidence for Software Change
- Title（参考訳）: 自律的符号化エージェントの保証 - ソフトウェア変更に対する最小コストの証拠
- Abstract要約: 利用可能な証拠の少なくともコストの低いサブセットが要求された資産を再確立するかどうかを問う。
私たちは、クロージャを信頼するのではなく、クロージャによってすべての選択を検証する。
Rust、IronBlocks、Pongの結果の小さなグラフは、最小エンベロープがタスクに依存することを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When a coding agent returns to existing software, it inherits evidence from earlier engineering work: tests, type checks, proofs, static analyses, and traces. Reloading all of it is wasteful, but dropping a piece the change depends on can leave a required property unsupported. Given the properties a change must preserve, its obligations, we ask which least-cost subset of the available evidence re-establishes them, and we call such a subset a task-conditioned assurance envelope. Evidence and the rules that combine it form a typed inference graph; an obligation is met when forward chaining from the selected evidence reaches it, and we validate every selection by that closure rather than by trusting the optimizer. The software-derived graphs in our evaluation come from preserved outcomes of prior AI coding-agent runs; we freeze those artifacts and ask which accumulated evidence should be restored for a later task. Small graphs from Rust, IronBlocks, and Pong outcomes show that the minimum envelope depends on the task, that none may exist when current evidence cannot re-establish a required property, that some properties need several pieces of evidence together, and that expanding the requirements adds evidence rather than replacing it. A prespecified synthetic benchmark of 249 instances characterizes computation: a baseline that discards the 'several pieces together' structure necessarily fails to re-derive them; every completed exact cross-check agreed with the CP-SAT optimizer; and median solve time stayed below 20 ms at 500-evidence graphs, except that graphs with many alternative derivations per target timed out at far smaller sizes, so structure, not raw size, drives difficulty. The contribution is a bounded application of established optimization to selecting assurance context for a software change; discovering the obligations and downstream agent benefit remain open.
- Abstract（参考訳）: コーディングエージェントが既存のソフトウェアに戻ると、テスト、型チェック、証明、静的解析、トレースといった、以前のエンジニアリング作業から証拠を継承する。
すべてをリロードするのは無駄ですが、変更が依存する部品を落とせば、必要なプロパティは不要になります。
変更が保持しなければならないプロパティや義務を考えると、利用可能な証拠のどの最小コストのサブセットがそれらを再確立するかを問うとともに、そのようなサブセットをタスク条件の保証封筒と呼ぶ。
エビデンスとそれを組み合わせたルールは型付き推論グラフを形成し、選択されたエビデンスからの前方連鎖がそれに到達すると義務が満たされ、オプティマイザを信頼するのではなく、そのクロージャによるすべての選択が検証される。
私たちの評価におけるソフトウェア由来のグラフは、AIコーディングエージェントの実行の保存された結果から得られます。
Rust、IronBlocks、Pongの結果の小さなグラフは、最小のエンベロープがタスクに依存すること、現在の証拠が要求された性質を再確立できないときに存在しないこと、いくつかの性質が一緒にいくつかの証拠を必要とすること、そして要求の拡張がそれを置き換えるよりも証拠を追加することを示している。
CP-SATオプティマイザと一致したすべての正確なクロスチェックが完了し、中央値の解時間は500のエビデンスグラフで20ms未満にとどまったが、ターゲットごとに多くの代替派生グラフがはるかに小さなサイズで出力されるため、生のサイズではなく構造が困難である。
このコントリビューションは、ソフトウェア変更の保証コンテキストを選択するための確立された最適化のバウンドアプリケーションである。
関連論文リスト
- TRACE: Trajectory-robust Admission with Evidence Ordering for Efficient GUI Agents [54.88208747581851]
トレーニング不要のビジュアルトークンプルーニングは、このコストを削減することができるが、キャッシュ再利用には基本的な制約が伴う。
我々は,emphtextbfTrajectory-textbfrobust textbfAdmission と textbfCoverage-aware textbfEvidence ordering のためのトレーニング不要フレームワーク textbfmethod を提案する。
論文 参考訳（メタデータ） (2026-09-09T15:12:48Z) - When Agents Implement Systems: A Case Study in Defects, Detection, and Evaluation Rigor [0.0]
本稿では,既存の詳細な仕様に対するマルチコンポーネントデータシステムを実装するエージェントのケーススタディを提案する。
制約違反と検出方法によって分類された5つの欠陥をカタログ化する。
回収予算は、2994段落のプール型コーパスに対して1～10件、100件で、選抜されたリコールは金段落に限れば3件の予算で天井に達する。
論文 参考訳（メタデータ） (2026-09-02T01:43:09Z) - EviGraph: Towards Verifiable Evidence Construction for Information-Seeking Agents [0.28675177318965045]
本稿では,証拠記録から検索実行を分離するディープ検索フレームワークであるEviGraphを紹介する。
結果として得られるグラフは、永続的なワーキングメモリと、密集したプロセス報酬の源として機能する。
BrowseComp-Plusでは、Qwen3-8B EviGraphエージェントが一致した相互作用予算の下で35.9%の精度を達成する。
論文 参考訳（メタデータ） (2026-08-25T15:06:54Z) - AuditCoder: Responsibility-Preserving Task Graphs for Auditable Code Generation and Bounded Repair [2.2743778085578437]
AuditCoderは、プログラムと監査可能な構成トレースを共同出力として扱う。
安定で局所的なテスト可能な境界を持つタスクの場合、グラフは分解構造だけでなく、検証と修復のための永続的なインデックスとしても機能する。
論文 参考訳（メタデータ） (2026-07-31T15:29:14Z) - 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) - TTHE: Test-Time Harness Evolution [50.26245555541721]
既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。
我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。
評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。
その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
論文 参考訳（メタデータ） (2026-07-09T05:53:39Z) - AuditWeave: A Tamper-Evident, Auditor-Navigable Evidence Layer for AI-Assisted and Data-Transformation Workflows [0.0]
AuditWeaveは、AIアシストとデータ変換のステップを1つのハッシュチェーンの台帳に記録する軽量Pythonライブラリである。
本稿では,参照実装におけるオーバヘッド,拡張性,タンパー検出の正確さを設計し,評価する。
論文 参考訳（メタデータ） (2026-06-14T21:46:04Z) - No Accidental Software Agent First Canonical Code for Human Code Entropy Reduction and 30 to 500 times Lower Frontier Model Requirements [0.0]
本稿では,日常的な製品ソフトウェアを標準的行動プロファイルに書き換えるエビデンスキャリング基板を提案する。
除去可能な事故は、残余の新規性、証拠、ガバナンス、リスク、将来のオプション性が支配されるまで減少する。
Qwen2.5-Coder-14BのQLoRA実験は、64,088の標準軌道が学習可能であり、試験された禁止言語マーカーを抑えることを示した。
論文 参考訳（メタデータ） (2026-06-12T11:35:54Z) - TAPO: Tool-Aware Policy Optimization via Credit Transfer for Multimodal Search Agents [54.08846865906602]
ツール強化マルチモーダルサーチエージェントにおいて,クレジットミス割り当てをGRPOの系統的障害モードとして特徴付ける。
本稿では,情報取得ツールのパラメータ決定性を利用したツール・アウェア・ポリシー・オプティマイズ(TAPO)を提案する。
論文 参考訳（メタデータ） (2026-06-04T07:15:43Z) - VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents [57.240036084348354]
本稿では,ロボットスキルコントラクトの検証誘導自己進化のためのフレームワークであるVASOを紹介する。
VASOは論理的に一貫性のないスキル契約を検証し、グローバルおよびローカルな時間的仕様に対してスキルによって誘発される計画を検証する。
Clearpath Jackal と PX4 のクアッドコプタータスクでは、VASO は100点未満の最適化サンプルを使用して97.2% の形式的な仕様準拠に達した。
論文 参考訳（メタデータ） (2026-06-03T20:02:35Z) - IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。
IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-04-22T03:03:33Z) - Reasoning Graphs: Self-Improving, Deterministic RAG through Evidence-Centric Feedback [0.0]
言語モデルエージェントは、クエリ毎にスクラッチから推論し、各実行後に思考の連鎖を破棄する。
このグラフ構造は,エビデンス・チェーンを,評価項目に関連付けられた構造化されたエッジとみなす。
逐次クラスタプロトコル,高再利用デプロイメントシミュレーション,決定論的実験を用いて,MuSiQueとHotpotQAの評価を行った。
論文 参考訳（メタデータ） (2026-04-08T20:57:21Z)
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。