論文の概要: GitHarness: Git Init Your Harness Working Memory for Perpetual User Requirements
- arxiv url: http://arxiv.org/abs/2609.36789v1
- Date: Tue, 29 Sep 2026 06:00:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.225783
- Title: GitHarness: Git Init Your Harness Working Memory for Perpetual User Requirements
- Title（参考訳）: GitHarness: 永続的なユーザ要求に対するハーネス動作メモリのGitインタプリタ
- Abstract要約: GitHarnessは、要件状態をブランチ可能なバージョン履歴に整理する、プラグイン可能なGitスタイルのフレームワークです。
トレーニング可能なGit Agentは要件の変更を解決し、意味的に互換性のある履歴状態を選択する。
バージョンインターフェースはその状態を復元し、新しいブランチを生成し、基盤となるハーネスが古い情報を排除し、互換性のある作業を継承し、影響を受ける部分に実行に集中できるようにする。
- 参考スコア（独自算出の注目度）: 29.19327455394094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM-based agents increasingly collaborate with users on long-horizon tasks, accumulating evidence, code, and drafts through extensive search, reasoning, and execution. As users inspect these results, they may supply missing information requirement completion, introduce new requirements requirement elicitation, or revise existing ones requirement shift. These changes often affect only part of the accumulated work, yet agents may carry forward obsolete information or turn local revisions into global rewrites. Existing approaches clarify current intent without determining how prior work should change, or reuse execution histories under a fixed objective. We address this gap by formulating dynamic-requirement collaboration as joint requirement tracking and local update. We introduce GitHarness, a pluggable Git-style framework that organizes requirement states and their corresponding harness work states into a branchable version history. A trainable Git Agent resolves requirement changes and selects a semantically compatible historical state. A unified version interface then restores that state and creates a new branch, enabling the underlying harness to exclude obsolete information, inherit compatible work, and focus execution on affected parts. The Git Agent is trained through interface-level black-box reinforcement learning, with downstream harnesses and task-execution models kept fixed. We also construct MTAgentBench, a verifier-preserving benchmark covering mathematical reasoning, text-to-SQL, agentic search, software engineering, and research synthesis. Experiments demonstrate strong task performance alongside effective requirement tracking, preservation of valid work, and efficient execution.
- Abstract（参考訳）: LLMベースのエージェントは、より広範な検索、推論、実行を通じて、長期にわたるタスクでユーザーと協力し、証拠、コード、ドラフトを蓄積するようになっている。
ユーザがこれらの結果を調べると、不足する情報要件の完了、新しい要求要求の実施、あるいは既存の要件のシフトを修正できる。
これらの変更は蓄積された作業の一部にのみ影響することが多いが、エージェントは古い情報を転送したり、ローカルリビジョンをグローバルに書き換えたりすることができる。
既存のアプローチでは、前の作業がどのように変わるかを決定することなく、現在の意図を明確にし、固定された目的の下で実行履歴を再利用しています。
動的要求協調を共同要求追跡と局所更新として定式化することにより、このギャップに対処する。
GitHarnessは、要件状態とそれに対応するハーネス作業状態をブランチ可能なバージョン履歴にまとめる、プラグイン可能なGitスタイルのフレームワークです。
トレーニング可能なGit Agentは要件の変更を解決し、意味的に互換性のある履歴状態を選択する。
統一されたバージョンインターフェースがその状態を復元し、新しいブランチを生成し、基盤となるハーネスが古い情報を排除し、互換性のある作業を継承し、影響を受ける部分に実行を集中できるようにする。
Git Agentは、インターフェースレベルのブラックボックス強化学習を通じてトレーニングされており、下流のハーネスとタスク実行モデルが固定されている。
MTAgentBenchは、数学的推論、テキストからSQLへの変換、エージェント検索、ソフトウェア工学、研究合成を含む検証済みのベンチマークである。
実験は、効果的な要求追跡、有効な作業の保存、効率的な実行と共に、強いタスクパフォーマンスを示す。
関連論文リスト
- WideSWE: Can Coding Agents Coordinate Changes Across Repositories? [26.071091542185957]
クロスリポジトリタスクにおける符号化エージェントの評価にWideSWEを導入する。
103のソフトウェアエコシステムにおける変更のマイニングとレビューは120の実際のタスクをもたらし、60のバグ修正と60の機能のバランスをとる。
完全なタスク成功は10.83%から42.50%の範囲で、設定ペアのCodex CLIとGPT-5.6-solが最高速度を達成している。
論文 参考訳（メタデータ） (2026-09-27T09:02:49Z) - 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) - 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) - Learning to Commit: Generating Organic Pull Requests via Online Repository Memory [11.042326503752756]
大きな言語モデル(LLM)ベースのコーディングエージェントは、制御されたベンチマークで印象的な結果を得るが、実際のメンテナが拒否するプルリクエストを定期的に生成する。
オンラインリポジトリメモリを通じてこのギャップを埋めるフレームワークであるLearning to Commitを紹介します。
論文 参考訳（メタデータ） (2026-03-27T17:58:56Z) - Model Editing for New Document Integration in Generative Information Retrieval [110.90609826290968]
生成検索(GR)は文書識別子(docID)の生成として情報検索(IR)タスクを再構成する
既存のGRモデルは、新たに追加されたドキュメントへの一般化が不十分で、しばしば正しいドキュメントIDを生成できない。
DOMEは,GRモデルを非表示文書に効果的かつ効率的に適応する新しい手法である。
論文 参考訳（メタデータ） (2026-03-03T09:13:38Z) - CLARE: Continual Learning for Vision-Language-Action Models via Autonomous Adapter Routing and Expansion [9.808005698482914]
CLAREは、視覚-言語-アクションモデルによる模範のない連続学習のためのフレームワークである。
CLAREは,従来のタスクを壊滅的に忘れることなく,新しいタスクにおいて高いパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2026-01-14T14:23:42Z) - Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。
4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。
一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-05T12:52:09Z) - Git Context Controller: Manage the Context of LLM-based Agents like Git [6.521644491529639]
大きな言語モデル(LLM)ベースのエージェントは、内部推論と外部ツールの使用をインターリーブすることによって、印象的な機能を示している。
ソフトウェアバージョン管理システムにインスパイアされた構造化コンテキスト管理フレームワークであるGit-Context-Controller(GCC)を紹介した。
自己複製のケーススタディでは、GCCを増強したエージェントが新しいCLIエージェントをスクラッチから作り、40.7タスクの解決を実現した。
論文 参考訳（メタデータ） (2025-07-30T08:01:45Z) - CoDocBench: A Dataset for Code-Documentation Alignment in Software Maintenance [4.4378250612684]
ソフトウェアメンテナンスにおける中心的なタスクの1つは、コードの変更を理解して開発できることです。
このことに動機づけられた私たちは、実際の高品質のGitHubプロジェクトから抽出されたコードとドキュメントの変更を結合した、新たな“自然な”大規模なデータセットを提供しています。
論文 参考訳（メタデータ） (2025-02-01T18:45:32Z) - VersiCode: Towards Version-controllable Code Generation [58.82709231906735]
大規模言語モデル(LLM)は、コード生成において大きな進歩を遂げていますが、既存の研究は、ソフトウェア開発の動的な性質を説明できません。
バージョン別コード補完(VSCC)とバージョン別コードマイグレーション(VACM)の2つの新しいタスクを提案する。
VersiCodeについて広範な評価を行い、バージョン管理可能なコード生成が確かに重要な課題であることを示した。
論文 参考訳（メタデータ） (2024-06-11T16:15:06Z) - On The Importance of Reasoning for Context Retrieval in Repository-Level Code Editing [82.96523584351314]
我々は、コンテキスト検索のタスクをリポジトリレベルのコード編集パイプラインの他のコンポーネントと分離する。
我々は、推論が収集された文脈の精度を向上させるのに役立っているが、それでもその十分性を識別する能力は欠如していると結論づける。
論文 参考訳（メタデータ） (2024-06-06T19:44:17Z)
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。