論文の概要: RippleCP: Measuring Counterfactual Checkpoint Advantage in Coding Agents

• arxiv url: http://arxiv.org/abs/2610.09088v1
• Date: Tue, 06 Oct 2026 20:40:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.599683
• Title: RippleCP: Measuring Counterfactual Checkpoint Advantage in Coding Agents
• Title（参考訳）: RippleCP: コーディングエージェントにおける非現実的チェックポイントアドバンテージの測定
• Abstract要約: エージェントチェックポイントシステムは、リカバリに関連する状態、スナップショットの方法、ロールバックが許容できるかどうかを決定する。 公開する安全なバウンダリのどれが実体化に値するかは、誰も決めていません。 本稿では, チェックポイントをスキップするのではなく, 候補をチェックポイントすることで得られる将来の回収コストの削減を, 対実チェックポイントの利点として定式化する。
• 参考スコア（独自算出の注目度）: 0.10742675209112619
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent checkpoint systems decide what state is recovery-relevant, how to snapshot it, and whether rollback is admissible. None decides which of the safe boundaries they expose are worth materializing. We formulate this as counterfactual checkpoint advantage, the reduction in future recovery cost obtained by checkpointing a candidate rather than skipping it, and measure it by driving a CP branch and a SKIP branch to the same logical failure and recovering both under matched model, tool, verifier, and stopping conditions. On a frozen pilot of 12 SWE-bench Verified tasks and 106 real recovery branches, checkpointing saves 49.4 s per task, and that figure resolves into two regimes two orders of magnitude apart. The first checkpoint returns 100.0 s on 156.5 s of protected work, a conversion of 0.64; a second one step later returns-1.1 s on 41.8 s, a conversion of -0.03. Recovery is a re-derivation rather than a replay, so preserved work is a poor guide to saved work, and the classical elapsed-work rule misprices the second checkpoint by its full nominal cost. We identify where placement can pay, and set the bar a placement policy must clear.
• Abstract（参考訳）: エージェントチェックポイントシステムは、リカバリに関連する状態、スナップショットの方法、ロールバックが許容できるかどうかを決定する。 公開する安全なバウンダリのどれが実体化に値するかは、誰も決めていません。 本稿では, CP分岐とSKIP分岐を同じ論理的故障に駆動し, 一致したモデル, ツール, 検証器, 停止条件の両方を回復させることにより, 候補をスキップせずにチェックポインティングすることで得られる将来の回収コストの低減を図る。 12のSWEベンチ検証タスクと106の実際のリカバリブランチの凍結パイロットでは、チェックポインティングは1タスクあたり49.4秒を節約し、この数字は2つのレシエーションに分解される。 第1チェックポイントは、保護されたワークの156.5秒で100.0秒、変換は0.64秒、第2チェックポイントは41.8秒で-1.1秒、変換は-0.03秒を返す。 回復はリプレイというよりは再帰的なものであり、保存された作業は保存作業のガイドとして不十分であり、古典的な経過した作業規則はその名目上のコストによって第2のチェックポイントを誤ったものにしている。 場所を特定でき、バーに配置ポリシーをクリアしなければなりません。

関連論文リスト

• Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models [87.94969284553706]
  エンド・ツー・エンドのpass@$K$は、成功した振る舞いがベースモデルのディストリビューションにすでに現れるかどうかをテストする。 コールドスタートからハーネスを駆動するために、ベースチェックポイントを必要としない3つのスクリーンを構築します。 3つの画面はいずれも、ポストトレーニング後のSWE-bench Verified pass@$1$と密接に一致して、コホートをランク付けする。
  論文  参考訳（メタデータ） (2026-10-07T17:37:19Z)
• ContractRL: Shielded Group-Relative Policy Optimization for Auditable Tool-Call Repair [21.792889952064527]
  本稿では,契約制約付き逐次修復プロトコルであるContractRLを紹介し,検証者誘導修復を0.9決定プロセスとしてモデル化する。 我々は,契約制約付きグループ相対的グループ相対的客観的決定を規定し,標準的目標とセマンティックラベルは凍結までオンライン状態外に保持する。
  論文  参考訳（メタデータ） (2026-09-29T08:38:26Z)
• Evaluating Agent Skills for Version-Specific Plugin Migration: A Retrospective Study [6.92552765704987]
  16の静的マイグレーションタスクに関する64のレポートのアーカイブを通じて、出荷されたプラグインアップグレードスキルについて検討する。 平均報酬は93.83から98.75に上昇し、4.92ポイントを獲得した。 他の2つのモデルファミリーの審査員による64件の報告を、腕のラベルや事前スコアなしで再評価し、91.8%と95.7%の判断で原判事に同意する。
  論文  参考訳（メタデータ） (2026-09-24T16:56:50Z)
• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• RobustSGPO: Search-Space Control for Agent Harness Evolution [56.722805974785125]
  我々は、要求された編集、構成、パッチのチェックを指定し、既存のスナップショットまたは保持スナップショットからの検索を継続するRobustSGPOを紹介した。 我々は,120タスク,95ラン,7350の候補を用いて,AgentXブレインストーミングワークフローにおけるパーミッションスケジューリング,累積制御,タスクファミリー転送を評価した。
  論文  参考訳（メタデータ） (2026-09-09T03:00:03Z)
• What Eviction Destroys: A Restore-Counterfactual Audit of Forgetting in Agent Memory [1.6558929815405155]
  我々は,質問ごとのペアによる介入であるリストア対策を導入し,質問のゴールドエビデンスをリードタイムの文脈で再記録する。 我々は,LongMemEval-SにおけるFIFO,ランダム,冗長,LLMの重要性を3つの予算と2つの検索条件で評価した。
  論文  参考訳（メタデータ） (2026-09-08T05:48:10Z)
• SafeRestore: Detector-Relative Risk Certificates for Selective Industrial Image Restoration [4.906746849209501]
  産業用検査パイプラインは、検出器が作用する前に測定画像を復元することが多いが、修復は検出器が支持する欠陥構造を抑えるか、クリーン領域の活性化を生成することができる。 本研究は, ディスプレイ上の選択的動作問題, 5つの復元候補, レビューとして復元を定式化する。 SafeRestoreは、アクション固有の適合スコアで候補をランク付けし、しきい値調整データ上でゲートを選択し、一方の正確な2つの二項境界を持つ不一致認定サンプル上で固定ゲートを評価する。
  論文  参考訳（メタデータ） (2026-09-03T07:32:42Z)
• Looping Is Not Reliability: State-Bound Evidence and Typed Revision Contracts for Agentic Code Repair [36.56438114281786]
  正しいパッチの発見と保持、検証、提出のギャップについて検討する。 我々はエビデンスバウンド型ループ契約を導出し、その機械的に強制可能なサブセットを参照実装でインスタンス化する。
  論文  参考訳（メタデータ） (2026-07-27T16:05:23Z)
• Outcome-Conditioned Reasoning Distillation for Resolving Software Issues [49.16055123488827]
  本稿では, 検証済みパッチを監督として, リポジトリ内問題を解決したO-CRD(Outcome-Conditioned Reasoning Distillation)フレームワークを提案する。 歴史的修正から始まり、検証結果から段階的な修理トレースを後方に再構築する。 SWE-Bench Liteでは、GPT-4oではPass@1が10.4%、DeepSeek-V3では8.6%、GPT-5では10.3%増加する。
  論文  参考訳（メタデータ） (2026-01-30T18:25:39Z)

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。