論文の概要: StateTape: Action-Conditioned Evidence Lifecycle Modeling for Long-Horizon Coding Agents

• arxiv url: http://arxiv.org/abs/2609.36319v1
• Date: Mon, 28 Sep 2026 21:52:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.037321
• Title: StateTape: Action-Conditioned Evidence Lifecycle Modeling for Long-Horizon Coding Agents
• Title（参考訳）: StateTape: 長距離符号化エージェントの行動記述型エビデンスライフサイクルモデリング
• Abstract要約: StateTapeは、リポジトリの変更時にコーディングエージェントのコンテキストを書き換えるフレームワークである。 テープは、変更された各書き込みのシンボルをマークし、テキストに関する推測からエージェントの書き込みの観察へとスタレネスを変換する。
• 参考スコア（独自算出の注目度）: 6.752407594743261
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the recent success of coding agents built on large language models, it remains challenging to run them over long horizons, since every observation is appended to the context and the context grows with each one. History-based maintenance is a common remedy, which masks or summarizes old observations, or prunes what a model reads as useless, and bounds the context at little cost. However, it decides from the text of the history alone and sees nothing of how the code is connected. Since a coding agent edits code many times over a single task, and each write can change what code elsewhere means, such maintenance may keep records a write has falsified, drop ones that still hold, and miss code the agent needs next. To overcome these challenges, this paper proposes StateTape, a novel and scalable framework that rewrites a coding agent's context as the repository changes rather than as the context grows. The key idea of StateTape is to model the repository as a symbol-level code graph, whose dependencies and language rules expose which symbols a write can affect. Upon this graph, a tape marks the symbols each write changed, which turns staleness from an inference about text into an observation of the agent's writes. We propose a per-write procedure in which the tape nominates the records a write could have falsified while a small manager model settles what the write log cannot, and further provide a theoretical analysis and TraceBench, a benchmark that labels what an agent is holding against what is actually needed. Empirically, we demonstrate that StateTape can effectively clear falsified records and retrieve what is needed, and thus achieve a higher resolve rate in all experiments spanned by six coding agents and three edit-heavy benchmarks with little computational overhead.
• Abstract（参考訳）: 大規模な言語モデル上に構築されたコーディングエージェントが最近成功しているにもかかわらず、すべての観察がコンテキストに付加され、それぞれのコンテキストが成長するので、それらを実行することは依然として困難である。 履歴ベースのメンテナンスは一般的な治療法であり、古い観察を隠したり、要約したり、モデルが役に立たないと読むものを誇示したり、コンテキストを最小限のコストでバウンドしたりする。 しかし、それは歴史のテキストだけから決定し、コードがどう接続されているかは見当たらない。 コーディングエージェントは1つのタスクで何回もコードを編集し、各書き込みが他で意味するコードを変更することができるので、そのようなメンテナンスは書き込みが偽装された記録を保持し、保持されているコードをドロップし、エージェントが次に必要とするコードを見逃す可能性がある。 これらの課題を克服するために、ステートテープ(StateTape)は、コンテキストが大きくなるにつれてリポジトリが変化するにつれて、コーディングエージェントのコンテキストを書き換える、新しくスケーラブルなフレームワークである。 StateTapeのキーとなるアイデアは、リポジトリをシンボルレベルのコードグラフとしてモデル化することだ。 このグラフでは、テープが変化した各書き込みのシンボルをマークし、テキストに関する推測からエージェントの書き込みを観察するようになる。 本稿では,書き込みのレコードをテープに通知する手法を提案する。一方で,小さなマネージャモデルでは書き込みログができないことを解決し,また,エージェントが実際に必要とするものに対して保持しているものをラベル付けするベンチマークであるTraceBenchも提案する。 実験により, StateTapeは, 6つの符号化エージェントと3つの編集量の多いベンチマークで計算オーバーヘッドの少ない全ての実験において, フェール化されたレコードを効果的にクリアし, 必要なものを検索できることを実証した。

関連論文リスト

• 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)
• Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
  Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。 本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
  論文  参考訳（メタデータ） (2026-07-23T04:34:06Z)
• TRACE: An Operational Reasoning Schema for Auditable Agentic Commitments [0.0]
  TRACE (Typed Reasoning And Commitment Evidence) は、推論トレースを記録するためのタイプ付きバージョン付きスキーマである。 論文は3つのレイヤで、推論は言語モデルにはない、と論じている。 レコード消費者契約は、レコードが保証するものと、その見返りに消費者が尊重すべきものを記述する。
  論文  参考訳（メタデータ） (2026-07-14T08:08:21Z)
• Dense Retrievers Can Fail on Simple Queries: Revealing The Granularity Dilemma of Embeddings [65.31723739561151]
  埋め込みは、エンコードされたセマンティクス内のきめ細かいエンティティやイベントを認識できないかもしれない。 本稿では,新たな評価データセットであるCapRetrievalを導入し,文節は画像キャプションであり,クエリはエンティティやイベントの概念を多種多様な形式でターゲットとするフレーズである。 我々は提案したデータ生成戦略でエンコーダを微調整し、小さな0.1Bエンコーダで最先端の7Bモデルを上回る性能を実現した。
  論文  参考訳（メタデータ） (2025-06-10T09:00:33Z)
• CodeReviewQA: The Code Review Comprehension Assessment for Large Language Models [10.108114365564926]
  最先端の大規模言語モデル(LLM)は、印象的なコード生成機能を示しているが、実際のソフトウェアエンジニアリングタスクに苦労している。 コードレビューのコメントは暗黙的であり、曖昧で、口語であり、モデルがコードと人間の意図の両方を理解する必要がある。 この課題は、大きな言語モデルが技術的コンテキストと会話的コンテキストの両方を橋渡しする能力を評価することである。
  論文  参考訳（メタデータ） (2025-03-20T14:07:31Z)
• Code-Switched Language Identification is Harder Than You Think [69.63439391717691]
  コードスイッチングは、文字と音声の通信において一般的な現象である。 CSコーパスの構築の応用について検討する。 タスクをもっと多くの言語に拡張することで、タスクをより現実的にします。 文レベルのマルチラベルタグ付け問題としてタスクを再構築し、より難易度の高いものにする。
  論文  参考訳（メタデータ） (2024-02-02T15:38:47Z)
• Look-back Decoding for Open-Ended Text Generation [62.53302138266465]
  本研究では,現在の復号化過程と過去の復号化過程の分布距離を追跡する改良された復号化アルゴリズムであるLook-backを提案する。 ルックバックは、潜在的反復句とトピックドリフトを自動的に予測し、障害モードを引き起こす可能性のあるトークンを削除することができる。 文書の継続とストーリー生成に関する復号実験を行い、Look-backがより流動的で一貫性のあるテキストを生成することを実証する。
  論文  参考訳（メタデータ） (2023-05-22T20:42:37Z)
• Substance over Style: Document-Level Targeted Content Transfer [42.18770674148932]
  文書レベルのターゲットコンテンツ転送のタスクを導入し、レシピドメインで対処する。 生成事前学習言語モデル(GPT-2)に基づく新しいタスクモデルを提案する。 自動評価と人的評価の両方で、我々のモデルは既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-16T20:26:10Z)

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。