論文の概要: Assay: Claims That Decay With the Code. Content-Addressed Evidence Graphs for Accountable AI-Assisted Software Delivery

• arxiv url: http://arxiv.org/abs/2609.36170v1
• Date: Mon, 28 Sep 2026 19:40:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.974893
• Title: Assay: Claims That Decay With the Code. Content-Addressed Evidence Graphs for Accountable AI-Assisted Software Delivery
• Title（参考訳）: Assay: コードと矛盾する主張 - 説明責任を持つAI支援ソフトウェアデリバリのためのコンテンツ適応エビデンスグラフ
• Abstract要約: 我々はAIコーディングエージェントのための依存性のないツールを開発した。 エージェントが行うすべてのクレーム(テストはパスせず、シークレットも保存されない)は、それがカバーするコードの依存性コーンのMerkleハッシュに結びついています。 我々は、結合は音で最小限であり、変化の爆発半径は、それが無効化する主張の集合であることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI coding agents fail in two coupled ways. They spend most of their context window rediscovering where things live, and they assert success without evidence when the work gets hard. Repository indexes address the first with cheap context, and orchestration frameworks with adversarial review address the second with accountability. Both describe the same object, the structure of the codebase, at two timescales: what is true of the code now, and what was verified to be true, at which revision, by whom. Assay makes that observation operational. Every claim an agent makes (tests pass, no secrets, behavior preserved) is bound to the Merkle hash of the dependency cone of the code it covers, so the claim is stale exactly when that code or anything it depends on changes. We show the binding is sound and minimal, and that the blast radius of a change is precisely the set of claims it invalidates. On the graph we place a risk-proportional evidence obligation, a bounded review protocol with separation of duties, and a merge gate that consults no model: coverage, freshness, signatures, exit codes, plausibility, evidence monotonicity (the mechanical form of "do not delete the failing test"), and review status. Assay is a dependency-free Python tool with an MCP server. On five public repositories a 600-token brief costs 14x to 114x less than an exploration proxy, warm rebuilds are up to 5x faster than cold ones, cone binding re-verifies 7.9% to 81.9% of claims where repository binding re-verifies all of them while per-module binding misses 23% to 68% of required invalidations, and the gate blocks 9 of 9 scripted adversarial behaviours while admitting the honest ones. Every number in this paper is generated by the released scripts.
• Abstract（参考訳）: AIコーディングエージェントは2つの結合方法で失敗する。 彼らはコンテキストのほとんどを、物事がどこにあるかを再発見するのに費やし、仕事が難しくなったら証拠なしで成功を主張します。 リポジトリインデックスは、コストの安いコンテキストで最初に対処し、逆レビューを持つオーケストレーションフレームワークは、説明責任で2つに対処する。 どちらも、コードベースの構造である同じオブジェクトを、2つのタイムスケールで記述している。 アッセイはその観察を運用する。 エージェントが行うすべてのクレーム(テストはパスせず、シークレットも保存されない)は、それがカバーするコードの依存性コーンのMerkleハッシュにバインドされている。 我々は、結合は音で最小限であり、変化の爆発半径は、それが無効化する主張の集合であることを示した。 グラフ上には、リスクに比例するエビデンス義務、義務の分離を伴うバウンドレビュープロトコル、およびモデルに言及しないマージゲート、すなわちカバレッジ、フレッシュネス、シグネチャ、終了コード、可視性、エビデンスモノトニック性("失敗するテストを削除するな"という機械的な形式)、ステータスを定めています。 Assayは、MSPサーバを備えた依存性のないPythonツールである。 5つのパブリックリポジトリでは、600 tokenのブリーフコストが探索プロキシよりも14倍から114倍安く、温かいリビルドはコールドプロキシよりも5倍速く、コーンバインディングは7.9%から81.9%のクレームを再検証し、レポジトリバインディングはすべてのクレームを再検証し、モジュール単位のバインディングは必須無効化の23%から68%を逃し、ゲートブロックは9つのうち9つをスクリプト化された敵の振る舞いを認めながら、正直なものを認めた。 この論文のすべての数字は、リリースされたスクリプトによって生成される。

関連論文リスト

• SWE-Proof: Can Language Models Resolve Real-World Issues with Machine-Checked Proofs? [39.004582663385364]
  Benchprooferは、既知の正しいパッチでコーディングタスクを正式に認証されたパイプラインに変換するパイプラインです。 SWE-bench Verified に適用すると SWE-Proof が得られる。
  論文  参考訳（メタデータ） (2026-09-18T01:16:53Z)
• NovaFabric: Tamper-Evident, Replayable Evidence for Autonomous AI Agent Runs [0.0]
  我々はNovaFabricを紹介し、監査グレードの実行証拠を作成している。 エージェントロジックを変更することなく実行中のエージェントを、ポータブルなRun Capsuleに記録する。 シードランは4モードのリプレイプロトコルで再実行可能である。 我々は8つの研究課題を測定範囲で評価した。
  論文  参考訳（メタデータ） (2026-09-11T08:35:43Z)
• Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
  EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。 Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。 我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
  論文  参考訳（メタデータ） (2026-09-09T01:56:17Z)
• The Working Set of a Coding Agent: Coherence Debt in Repository-Scale Tasks [14.070053515623883]
  リポジトリスケールのコーディングには、テスト、インポート、設定、マイグレーションルールを境界付けられたコンテキストウィンドウ内で一貫性を保つためのエージェントが必要である。 7つのモデルと5つのハーネスに障害を注入します。 リネームが実際のライブラリについて記憶したモデルを破ると、7つすべてが同じ場所で失敗し、同じテストがパスして失われる。
  論文  参考訳（メタデータ） (2026-08-17T14:30:41Z)
• The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context [45.88028371034407]
  コード修復における制御ケーススタディを報告し,新しい現象ではない。 私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。 BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。 厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
  論文  参考訳（メタデータ） (2026-08-14T19:22:50Z)
• Vero: Can AI Agents Build Formally Verified Software Repositories? [45.09790101960906]
  Veroはリポジトリレベルで共同実装と証明を評価する最初のベンチマークである。 Python、Dafny、Verus、Coqにまたがる実世界のリポジトリから43のマルチモジュールインスタンスが含まれている。 ベンチマークの信頼性を改善するため、Veroには、エージェントが提供された仕様の不満足さを正式に証明できる監査メカニズムも含まれている。
  論文  参考訳（メタデータ） (2026-08-13T17:41:27Z)
• OpenCodeReview: Determinism over Non-Determinism for Cost-Effective Agent-Based Code Review [14.707064801983172]
  我々は不確実なエージェントに対する決定論的エンジニアリングに基づいて構築されたOpenCodeReviewを紹介する。 AACR-Bench(200の現実世界のPR、10の言語、1,505のエキスパート認定されたコメント)では、OpenCodeReviewが主要なコーディングエージェントを上回っている。
  論文  参考訳（メタデータ） (2026-08-10T08:43:16Z)
• Do Context Files Help Coding Agents? A Two-Agent Ablation Study on Real Repositories [0.0]
  永続コンテキストファイル(AGENTS.md, CLAUDE.md)は、AIコーディングエージェントを誘導する標準的な慣行であるが、それらの効果の証拠は矛盾している。 我々は2つのフロンティアエージェント(Claude Code と Codex)間のコンテキスト注入戦略の制御されたアブレーションを示す。
  論文  参考訳（メタデータ） (2026-07-28T11:07:53Z)
• 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)

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。