論文の概要: Harness Engineering for Software Engineering via Modular Executable Dev-Primitives

• arxiv url: http://arxiv.org/abs/2610.07832v1
• Date: Tue, 06 Oct 2026 06:32:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.844426
• Title: Harness Engineering for Software Engineering via Modular Executable Dev-Primitives
• Title（参考訳）: モジュラー実行可能なDev-Primitivesによるソフトウエアエンジニアリングのためのハーネスエンジニアリング
• Abstract要約: textbfDev-Primitives (emphDevelopment Primitives)は,リポジトリコンポーネントをソフトウェアエンジニアリングのアクティブな参加者に変換するモジュール抽象化である。 ソフトウェアエンジンのハーネスエンジニアリングフレームワークである textbfHERMES を Modular Executable Dev-PrimitiveS を通じて提案する。
• 参考スコア（独自算出の注目度）: 26.40517837611794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) equipped with terminal access have demonstrated strong capabilities in automating software engineering tasks. However, existing agents remain brittle on long-horizon workflows, where they must repeatedly reconstruct program state scattered across source files, configurations, tests, dependencies, and runtime behavior, leading to increasingly long interaction histories, context explosion, and semantic drift. Large repositories further complicate the identification of task-relevant components. To address these challenges, we introduce \textbf{Dev-Primitives} (\emph{Development Primitives}), a modular and executable abstraction that transforms repository components from passive software artifacts into active participants in software engineering. Each Dev-Primitive pairs a repository artifact with a resident LLM, which gives the artifact an agent-native interface grounded in its own implementation and dependencies, enabling natural-language reasoning, inter-component communication, and localized self-modification. Building on Dev-Primitives, we propose \textbf{HERMES}, a Harness Engineering framework for software engineeRing via Modular Executable Dev-PrimitiveS, which instantiates these primitives at repository scale through a dependency-aware dynamic activation mechanism and a bug diagnosis mechanism that maps execution evidence back to the components that must be revised. Extensive experiments on four software engineering benchmarks demonstrate that HERMES outperforms matched baseline harnesses by 12.4\% on average. Moreover, when paired with strong activation and diagnosis models, HERMES, even with Qwen3-8B Dev-Primitives, remains within 4.5\% of the homogeneous GPT-5.6 Sol configuration across all four benchmarks, while reducing inference cost by 26.2\% on Terminal-Bench 4.0, highlighting the importance of harness design in software engineering agents.
• Abstract（参考訳）: 端末アクセスを備えた大規模言語モデル (LLM) は、ソフトウェア工学タスクの自動化において強力な機能を示している。 しかし、既存のエージェントは長期にわたるワークフローでは不安定であり、ソースファイル、設定、テスト、依存関係、実行時の振る舞いに散らばったプログラム状態を繰り返し再構築する必要がある。 大きなリポジトリはタスク関連コンポーネントの識別をさらに複雑にする。 これらの課題に対処するために、我々は、リポジトリコンポーネントを受動的ソフトウェアアーティファクトからソフトウェアエンジニアリングのアクティブな参加者に変換するモジュール的で実行可能な抽象化である \textbf{Dev-Primitives} (\emph{Development Primitives})を紹介します。 それぞれのDev-Primitiveは、リポジトリアーティファクトと常駐のLCMをペアにすることで、アーティファクトに独自の実装と依存関係を基盤としたエージェントネイティブインターフェースを提供し、自然言語による推論、コンポーネント間通信、ローカライズされた自己修正を可能にする。 Dev-Primitives をベースとして,ソフトウェアエンジンのハーネスエンジニアリングフレームワークである \textbf{HERMES} を提案する。これは Modular Executable Dev-PrimitiveS を通じて,依存関係を意識した動的アクティベーション機構と,修正が必要なコンポーネントに実行証拠をマッピングするバグ診断機構を通じて,これらのプリミティブをリポジトリスケールでインスタンス化するものだ。 4つのソフトウェアエンジニアリングベンチマークの大規模な実験により、HERMESはベースラインハーネスと平均12.4\%の成績を示した。 さらに、強力なアクティベーションと診断モデルと組み合わせると、HERMESはQwen3-8B Dev-Primitivesでさえ、4つのベンチマークで同質な GPT-5.6 Sol の構成の4.5 %以内に留まるが、Continal-Bench 4.0では推論コストを26.2 %削減し、ソフトウェアエンジニアリングエージェントにおけるハーネス設計の重要性を強調している。

関連論文リスト

• KAT-Coder-V2.5 Technical Report [61.907486544595336]
  KAT-Coder-V2.5は、実際の実行可能リポジトリ内で自律的に動作するよう訓練されたコーディング中心のエージェントモデルである。 マルチ言語リポジトリをサンドボックス環境に再構築し、フェイル・ツー・パスとパス・ツー・パスの検証を大規模に行う。 我々はさらに、ハーネスランダム化による強化学習、信頼性の強化されたサンドボックス、非対称なアクター-クリティックPPO、およびハイチ指向の報酬フレームワークをスケールする。
  論文  参考訳（メタデータ） (2026-07-06T08:14:02Z)
• SCDBench: A Benchmark for LLM-Based Smart Contract Decompilers [55.39407031861402]
  本稿では,スマートコントラクトデコンパイルのためのデータセットとベンチマーク手法であるSCDBenchを紹介する。 データセットには600の現実のSolidityコントラクトと、ペア化されたバイトコード入力、地味なソースコード、再生可能なセマンティックチェックポイントが含まれている。 我々は,GLM-5の変種を含むゼロショット逆コンパイル設定において,Claude Opus 4.7,GPT-5.3-Codex,GLM-5を評価した。
  論文  参考訳（メタデータ） (2026-05-27T20:08:47Z)
• Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development [0.0]
  エージェントAIコーディングシステムは、リポジトリを検査し、実装手順を計画し、ファイルを編集し、テストを実行し、プルリクエストを送信できる。 現在の証拠は、自律的なコード生成がエンジニアリングの結果を自動的に改善するという単純な主張を支持していない。 この論文は、中心的な問題は、もはや迅速なエンジニアリングではなく、エンジニアリングプロセスの制御である、と論じている。
  論文  参考訳（メタデータ） (2026-05-19T20:10:13Z)
• SWE-Hub: A Unified Production System for Scalable, Executable Software Engineering Tasks [10.106518618464888]
  SWE-Hubは、データファクトリの抽象化を運用するエンドツーエンドシステムである。 環境の自動化、スケーラブルな合成、多様なタスク生成をコヒーレントなプロダクションスタックに統合する。
  論文  参考訳（メタデータ） (2026-02-28T09:53:48Z)
• IDE-Bench: Evaluating Large Language Models as IDE Agents on Real-World Software Engineering Tasks [0.37823923040445995]
  我々は、生の端末実行を超えるDocker化されたテストハーネスを提示します。 検索、構造化ファイル編集、フルスタックアプリケーションのテストツールに高レベルの抽象化を提供する。
  論文  参考訳（メタデータ） (2026-01-28T02:06:37Z)
• A Lightweight Modular Framework for Constructing Autonomous Agents Driven by Large Language Models: Design, Implementation, and Applications in AgentForge [1.932555230783329]
  LLM駆動の自律エージェントの構築を民主化するために設計された軽量でオープンソースのPythonフレームワーク。 AgentForgeは、(1)正式に定義された入出力契約できめ細かいタスク分解を可能にする構成可能なスキル抽象化、(2)クラウドベースのAPIとローカル推論エンジンのシームレスな切り替えをサポートする統一されたバックエンドインターフェース、(3)エージェントロジックと実装の詳細を分離する宣言型YAMLベースの構成システムである。
  論文  参考訳（メタデータ） (2026-01-19T20:33:26Z)
• Multi-Agent Systems for Dataset Adaptation in Software Engineering: Capabilities, Limitations, and Future Directions [8.97512410819274]
  本稿では,データセット適応タスクにおいて,最先端のマルチエージェントシステムがどのように機能するかについて,最初の実証的研究を行う。 我々は、GitHub Copilotを評価し、ROCODEやLogHub2.0といったベンチマークリポジトリからSE研究成果物を適用する。 その結果、現在のシステムはキーファイルを識別し、部分的な適応を生成することができるが、正しい実装を生成することは滅多にない。
  論文  参考訳（メタデータ） (2025-11-26T13:26:11Z)
• KAT-Coder Technical Report [48.00975798131211]
  KAT-Coderは、中期訓練、監視ファインチューニング(SFT)、強化ファインチューニング(RFT)、強化デプロイ適応(Reinforcement-to-Deployment Adaptation)を含む多段階のカリキュラムを通じて訓練された大規模なエージェントコードモデルである。 これらの段階により、KAT-Coderは堅牢なツール使用信頼性、命令アライメント、長いコンテキスト推論を実現することができる。
  論文  参考訳（メタデータ） (2025-10-21T16:27:47Z)
• VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
  VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。 我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。 モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
  論文  参考訳（メタデータ） (2025-09-01T01:45:18Z)

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。