論文の概要: AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents
- arxiv url: http://arxiv.org/abs/2610.02163v1
- Date: Thu, 01 Oct 2026 17:54:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.359762
- Title: AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents
- Title（参考訳）: AutoCompact: 長距離符号化エージェントにおけるコンテキストのコンパクト化を学習する
- Abstract要約: AutoCompactはコーディングエージェントをトレーニングして、いつ圧縮するか、どの動作状態を保存するか、どのように継続するかを判断する。
我々はこれらの軌跡を教師付き微調整に利用し、強化学習による符号化とコンパクト化を共同で最適化する。
SWE-bench VerifiedとSWE-PolyBench Verifiedの実験では、AutoCompactはベースモデルのパスレートをそれぞれ9.2%と5.0%改善している。
- 参考スコア（独自算出の注目度）: 24.087563671845672
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coding agents solve repository-level software engineering tasks through long trajectories of code inspection, search, editing, and testing. As a task progresses, earlier exploration becomes stale, so managing context is more than avoiding overflow: an agent must decide when to compact, what working state to preserve, and how to continue from it. We introduce AutoCompact, which trains a coding agent to make these decisions as part of its policy. To collect training data, we run the base agent on coding tasks and use a judge to review its compaction decisions, summaries, and actions after compaction. Flawed outputs are replaced with corrected ones before being executed in the environment, so each trajectory continues from the corrected decisions. We use these trajectories for supervised fine-tuning, then jointly optimize coding and compaction through reinforcement learning with task-success rewards. Experiments on SWE-bench Verified and SWE-PolyBench Verified show that AutoCompact improves pass rates over the base model by an absolute 9.2\% and 5.0\%, respectively. The improvements hold across all evaluated inference budgets, with a 256K context window that never overflows and with a 16K window whose overflow triggers fallback compaction.
- Abstract（参考訳）: コーディングエージェントは、コード検査、検索、編集、テストの長い軌跡を通じて、リポジトリレベルのソフトウェアエンジニアリングタスクを解決する。
タスクが進むにつれて、早期の探索は停滞するので、コンテキストの管理はオーバーフローを避けるだけではない。
我々は、これらの決定をポリシーの一部として行うためのコーディングエージェントを訓練するAutoCompactを紹介します。
トレーニングデータを収集するために,コーディングタスクのベースエージェントを実行し,審査員を用いてコンパクト化後の判断や要約,行動のレビューを行う。
欠陥のあるアウトプットは、環境内で実行される前に修正されたアウトプットに置き換えられる。
我々はこれらのトラジェクトリを教師付き微調整に使用し、タスク・サクセス報酬による強化学習を通じて、符号化とコンパクト化を共同で最適化する。
SWE-bench Verified と SWE-PolyBench Verified の実験では、AutoCompact は基本モデルのパスレートを絶対 9.2\% と 5.0\% で改善している。
改善は評価されたすべての推論予算にまたがっており、オーバーフローしない256Kコンテキストウィンドウとオーバーフローがフォールバックのコンパクト化を引き起こす16Kウィンドウがある。
関連論文リスト
- Learning What to Skip: Counterfactual Credit Assignment for Efficient Multi-Agent LLM Workflows [49.15875332210974]
すべてのコンポーネントを実行することは、計算を無駄にしたり、正しい中間回答を上書きすることができる。
我々は、制御されたスキップ介入からアクション固有の安全モデルを学ぶ「Skip to Skip」について紹介する。
早期スキップが拒否されると、コントローラは実行を継続し、後続のコンポーネントを再考することができる。
論文 参考訳（メタデータ） (2026-09-25T03:02:57Z) - Orchestrating AI-Assisted Code Remediation: Socio-Technical Bottlenecks in a Large Industrial Repository [1.4919265782109654]
LLMベースのコーディングアシスタントは、大規模に機械的編集を行うことができるが、産業的修復への影響は過小評価されている。
大規模産業リポジトリにおいて,AIによるコード修復が継続的インテグレーション(CI),コードレビュー,チーム調整に与える影響について検討する。
論文 参考訳（メタデータ） (2026-09-24T07:43:43Z) - Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。
我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。
オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
論文 参考訳（メタデータ） (2026-08-23T03:07:03Z) - Self-Improving AI Coding Agents Through Accumulated Behavioral Rules: A Closed-Loop Framework [0.3867363075280543]
提案するクローズドループフレームワークでは,すべてのレビューコメントを永続的な行動規則として符号化する。
このフレームワークは、バージョン管理された命令ファイル、自己レビューチェックリスト、自動検証に設定された蓄積ルールを組み合わせる。
我々のフレームワークは、重み付けの更新なしに永続的なクロスセッション学習を実現し、既存のベンチマークが測定しない経験的な次元(時間とともに振る舞いの整合性)に対処する。
論文 参考訳（メタデータ） (2026-07-13T21:13:46Z) - What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある
SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。
SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
論文 参考訳（メタデータ） (2026-06-01T03:18:01Z) - Feedback-Normalized Developer Memory for Reinforcement-Learning Coding Agents: A Safety-Gated MCP Architecture [0.0]
本稿では、RLコーディングエージェントのためのローカルファーストのモデルコンテキストプロトコル(MCP)ネイティブな開発者メモリアーキテクチャであるRL Developer Memoryについて述べる。
メモリ選択をログ化されたコンテキスト決定プロセスとして扱う。
システムは、RLアルゴリズムのバグ、ハードネガ、レビューゲートされたRL/コントロールケース、低リスク障害を含む決定論的200ケースのベンチマークで評価される。
論文 参考訳（メタデータ） (2026-05-02T18:37:36Z) - SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks [55.76734816061826]
我々は20の問題と93のチェックポイントからなる言語に依存しないベンチマークであるSlopCodeBenchを紹介する。
我々は、冗長性、重複コードの割合、構造的侵食という2つの軌道レベルの品質信号を追跡する。
11モデルにまたがるエンドツーエンドの問題を解決するエージェントは存在しない。
論文 参考訳（メタデータ） (2026-03-25T19:26:44Z) - SWE-Adept: An LLM-Based Agentic Framework for Deep Codebase Analysis and Structured Issue Resolution [9.339988760379915]
大規模言語モデル(LLM)は、自己完結したタスクに対して強いパフォーマンスを示す。
SWE-Adeptは、ローカライズエージェントが問題関連コードの位置を特定し、解決エージェントが対応する修正を実装するフレームワークである。
SWE-Bench Lite と SWE-Bench Pro の実験は、SWE-Adept が問題ローカライゼーションと解決の両方において、従来のアプローチよりも一貫して優れていることを示した。
論文 参考訳（メタデータ） (2026-03-01T23:52:30Z) - Learning to Share: Selective Memory for Efficient Parallel Agentic Systems [49.78267008828593]
エージェントシステムは、反復的に推論する複数のエージェントを調整することで複雑なタスクを解決し、ツールを呼び出し、中間結果を交換する。
最近のアプローチでは、さまざまな推論の軌跡を探索するために、複数のエージェントチームが並行して運用されている。
我々は並列エージェントフレームワークのための学習された共有メモリ機構であるLearning to Share (LTS)を提案する。
論文 参考訳（メタデータ） (2026-02-05T18:20:21Z)
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。