論文の概要: RepoAtlas: Guiding Coding Agents via Evolving Multimodal Repository Views
- arxiv url: http://arxiv.org/abs/2609.16936v1
- Date: Tue, 15 Sep 2026 10:11:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.443847
- Title: RepoAtlas: Guiding Coding Agents via Evolving Multimodal Repository Views
- Title（参考訳）: RepoAtlas:マルチモーダルリポジトリビューの進化によるコーディングエージェントの誘導
- Abstract要約: textbfRepoAtlasは、マルチモーダルリポジトリビューの進化を維持するトレーニング不要なモジュールである。
RepoAtlasは、問題の証拠とエージェントの現在の調査状態を組み合わせることで、一定の予算の下でタスク関連領域を選択する。
我々は,SWE-bench Verified上でRepoAtlasを評価し,入力トークンとモデルコールを平均5.8%,7.8%削減し,解決率を2.4ポイント改善した。
- 参考スコア（独自算出の注目度）: 14.618487825419328
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model (LLM)-powered coding agents have made rapid progress in automating software engineering tasks, yet repository-level issue resolution remains challenging. Beyond generating a plausible patch, an agent must localize relevant code across interdependent files and maintain repository context that is both sufficient and focused. Code graphs expose non-local relations, but linear text interfaces obscure their topology; rendering the full repository graph yields visual representations that are too dense to perceive reliably, whereas a one-shot local view becomes stale as exploration proceeds. We present \textbf{RepoAtlas}, a training-free module that maintains evolving multimodal repository views through a \emph{select--project--refresh} loop over a repository code graph. RepoAtlas combines evidence from the issue with the agent's current exploration state to select a task-relevant region under a fixed budget, projects the selected structure into complementary visual and textual representations, and refreshes the view when changes in the exploration state render it outdated. We evaluate RepoAtlas on SWE-bench Verified, where it improves the resolve rate by 2.4 points while reducing input tokens and model calls by 5.8\% and 7.8\% on average, relative to the strongest multimodal graph baseline, with consistent gains across three models of different families and scales.
- Abstract（参考訳）: 大規模言語モデル(LLM)を利用したコーディングエージェントは、ソフトウェアエンジニアリングタスクの自動化に急速に進歩しているが、リポジトリレベルの課題解決は依然として困難である。
もっともらしいパッチを生成するだけでなく、エージェントは相互依存するファイルにまたがって関連するコードをローカライズし、十分かつ集中したリポジトリコンテキストを維持する必要がある。
コードグラフは非局所的な関係を表わすが、線形テキストインタフェースはそのトポロジーを曖昧にし、完全なリポジトリグラフを描画すると、密度が高すぎて確実に知覚できない視覚表現が得られ、一方、一発のローカルビューは探索が進むにつれて停滞する。
我々は,レポジトリコードグラフ上の\emph{select--project--refresh}ループを通じて,マルチモーダルリポジトリビューの進化を維持する,トレーニング不要なモジュールである‘textbf{RepoAtlas} を提示する。
RepoAtlasは、問題の証拠をエージェントの現在の調査状態と組み合わせて、一定の予算の下でタスク関連領域を選択し、選択された構造を補完的な視覚的およびテキスト的表現に投影し、探索状態の変化が時代遅れになったときにビューをリフレッシュする。
我々は,SWE-bench Verified上でRepoAtlasを評価し,入力トークンとモデルコールを平均5.8\%,7.8\%削減しながら,解決率を2.4ポイント向上させる。
関連論文リスト
- WeAgent-MMSearch: Native Text-Vision Interaction for Multimodal Search Agents [53.426679066400844]
WeAgent-Harnessは、ネイティブテキストビジョンインタラクションと実行時リカバリをサポートするマルチモーダルエージェントハーネスである。
WeAgent-MMSearchは,データ構築,エージェントポストトレーニング,マルチモーダルロールアウトにまたがる統合システムである。
また、150タスクの人間認証ベンチマークであるVisTarget-Benchを紹介します。
論文 参考訳（メタデータ） (2026-08-28T08:28:43Z) - CodeNib: A Multi-View Data System for Serving Repository Context to Coding Agents [5.400196370175265]
コーディングエージェントは、進化するリポジトリからコンテキストを検索し、ナビゲートし、保持する。
接続されていないインデックス、言語サーバー、タスクローカルな履歴は、繰り返し発見と不明瞭なライフサイクルコストを強制します。
CodeNibはリポジトリコミット毎に再利用可能な語彙、密度、構造ビューを構築する。
論文 参考訳（メタデータ） (2026-07-28T08:25:30Z) - Beyond Textual Repository Exploration: Dual-Modal Structural Reasoning for Agentic Issue Resolution [24.103118645295655]
CouplingVIEWは、イシュー解決エージェントのリポジトリ探索に視覚的推論をもたらす。
VIEWは、異なるエージェントアーキテクチャとモデルファミリ間のイシュー解決性能を一貫して改善する。
論文 参考訳（メタデータ） (2026-07-02T09:23:48Z) - FastContext: Training Efficient Repository Explorer for Coding Agents [29.359764163872473]
大規模言語モデル(LLM)コーディングエージェントは、ソフトウェアエンジニアリングタスクにおいて大きな成果を上げている。
関連するコードを見つけることは、相当量のトークン予算を消費し、関係のないスニペットでエージェントのコンテキストを汚染する。
我々は、リポジトリの探索と解決を分離する専用の探索サブエージェントであるFastContextを紹介します。
論文 参考訳（メタデータ） (2026-06-12T03:23:59Z) - LLM Agents Can See Code Repositories [14.881212557304414]
大規模言語モデルを利用したコーディングエージェントは、ソフトウェア工学のタスクに強いパフォーマンスを示してきた。
ほとんどのエージェントは、ほとんど完全にテキストとしてリポジトリを消費します。
標準テキストインタフェースと並行して、リポジトリ構造を視覚的に表現することで、エージェントは構造をより効率的に理解できるようになる。
論文 参考訳（メタデータ） (2026-06-12T03:14:40Z) - RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。
RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。
RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
論文 参考訳（メタデータ） (2026-05-25T06:26:43Z) - Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [62.640169289390535]
SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。
革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。
属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。
階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
論文 参考訳（メタデータ） (2025-05-20T06:44:34Z) - RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。
RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文 参考訳（メタデータ） (2024-10-03T05:45:26Z) - Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。
まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。
最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
論文 参考訳（メタデータ） (2023-07-01T13:53:14Z) - Semantic Tracklets: An Object-Centric Representation for Visual
Multi-Agent Reinforcement Learning [126.57680291438128]
本研究では,不整合表現によるスケーラビリティの実現について検討する。
視覚多エージェント粒子環境(VMPE)と視覚多エージェントGFootball環境における意味トラックレット'の評価を行った。
特に,この手法は視覚データのみを用いて,GFootball環境における5人のプレイヤーの戦略を学習した最初の方法である。
論文 参考訳（メタデータ） (2021-08-06T22:19:09Z)
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。