論文の概要: Chronos Enables Code Agents to Reason over Software Evolution

• arxiv url: http://arxiv.org/abs/2610.11578v1
• Date: Thu, 08 Oct 2026 09:31:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.928451
• Title: Chronos Enables Code Agents to Reason over Software Evolution
• Title（参考訳）: Chronos、コードエージェントをソフトウェア進化に責任を負わせる
• Abstract要約: 我々はChronosを紹介した。Chronosは、大規模な言語モデル(LLM)ベースのコードエージェントで、歴史的なプルリクエストを利用できるテストタイムフレームワークである。 Chronosはプルリクエストを構造化されたエクスペリエンスカードにマージし、コードレベル、開発者インテリジェント、組織関係の型付きグラフを通じてそれらを接続する。
• 参考スコア（独自算出の注目度）: 11.152714012525072
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Historical pull requests record the design decisions, compatibility constraints, and implementation patterns behind a codebase's current state. Experience relevant to a new task can span related changes whose descriptions emphasize different concerns. We introduce Chronos, a test-time framework that makes this connected history available to large language model (LLM)-based code agents. Chronos distills merged pull requests into structured experience cards and connects them through a typed graph of code-level, developer-intent, and organizational relations. Semantic search identifies entry cards, and weighted multi-hop expansion retrieves connected changes for selective reading. The same memory guides candidate generation and patch selection: a patch-focused change agent and a validation-strategy agent each develop a patch, and an evolution steward consults history to select between them. On SWE-Bench Verified, the full workflow improves SWE-Agent across all six evaluated LLM backbones, raising the mean resolution rate from 69.2% to 72.9% and reaching 79.8% with MiniMax M2.5. With the same backbone, it raises resolution rates from 48.3% to 51.7% on SWE-Bench Pro and from 41.0% to 43.5% on FEA-Bench Lite. Both experience-guided single-agent variants also outperform the base agent. In a human evaluation on 100 tasks with ten cards retrieved per task, graph-grounded retrieval increases the mean number of useful cards from 1.24 to 2.87 over flat semantic retrieval. These results demonstrate the value of PR relations for retrieving useful repository experience and of the evaluated workflows for applying that experience during patch generation and selection.
• Abstract（参考訳）: 過去のプルリクエストは、コードベースの現在の状態の背後にある設計決定、互換性の制約、実装パターンを記録します。 新しいタスクに関連する経験は、異なる関心事を強調するような、関連する変更にまたがる可能性がある。 我々はChronosを紹介した。Chronosは、このコネクテッドな履歴を、LLM(Big Language Model)ベースのコードエージェントで利用できるようにするテストタイムフレームワークである。 Chronosはプルリクエストを構造化されたエクスペリエンスカードにマージし、コードレベル、開発者インテリジェント、組織関係の型付きグラフを通じてそれらを接続する。 セマンティック検索はエントリカードを識別し、重み付きマルチホップ展開は、選択的な読み取りのために接続された変更を検索する。 パッチ中心の変更エージェントとバリデーション戦略エージェントはそれぞれパッチを開発し、進化スチュワードはそれらを選択するために履歴を参照する。 SWE-Bench Verifiedでは、SWE-Agentが6つの評価されたLCMバックボーンで改善され、平均解像度が69.2%から72.9%に向上し、MiniMax M2.5で79.8%に達した。 同じバックボーンで、SWE-Bench Proでは48.3%から51.7%、FEA-Bench Liteでは41.0%から43.5%に解像度が上昇する。 エクスペリエンスガイド付きシングルエージェントの派生版もベースエージェントを上回っている。 タスク毎に10枚のカードを検索した100のタスクに対する人間による評価では、グラフグラウンド検索により、フラットなセマンティック検索よりも有用なカードの平均数が1.24から2.87に増加する。 これらの結果は、有用なリポジトリエクスペリエンスを取得するためのPRリレーションの価値と、パッチ生成と選択の間にそのエクスペリエンスを適用するための評価されたワークフローを実証する。

関連論文リスト

• Revision-Aware Independent Agent Graphs for Dynamic Reasoning [2.975383238535746]
  イベントストリームがタスクバインディングを更新し、システムはそれを解決する前に各クエリ時に有効なドキュメントバージョンを選択する必要がある。 本稿では,タスク推論から決定論的時間分解を分離する多エージェントポリシーであるRevision-Aware Independent Agent Graph (RIAG)を紹介する。
  論文  参考訳（メタデータ） (2026-10-01T07:43:33Z)
• Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems [67.04448659688579]
  クエリ非依存の16エントリのコードブックを開発し、上位のデコード候補を1回のバッチフォワードパスでランク付けする。 反復検索がなく、テスト時にメッセージパッシングがないため、Codebook Agentは6つのベンチマークでもっとも正確な方法である。
  論文  参考訳（メタデータ） (2026-09-02T08:10:22Z)
• AgentLens: Revealing The Lucky Pass Problem in SWE-Agent Evaluation [11.272830796781925]
  8つのモデルバックエンドから60個のSWEベンチ検証タスクの2,614個のOpenHandsトラジェクトリを評価した。 このサブセットで通過する軌道の中で、10.7%はラッキーパスと呼ばれる振る舞いを示す。 本稿では,SWEエージェント軌道のプロセスレベル評価フレームワークであるAgentLensを紹介する。
  論文  参考訳（メタデータ） (2026-05-13T03:00:57Z)
• ClawMark: A Living-World Benchmark for Multi-Turn, Multi-Day, Multimodal Coworker Agents [77.22389710754452]
  マルチターンマルチデイタスクを中心に構築された同僚エージェントのベンチマークであるベンチを紹介する。 現在のリリースには、13のプロのシナリオにわたる100のタスクが含まれており、5つのステートフルなサンドボックスサービスに対して実行される。 最強のモデルは75.8の重み付きスコアに達するが、最も厳格なタスク成功率は20.0%に過ぎず、部分的な進歩が一般的であることを示している。
  論文  参考訳（メタデータ） (2026-04-26T16:05:02Z)
• Scaling Test-Time Compute for Agentic Coding [126.72747643609274]
  本稿では,ロールアウト軌跡のコンパクトな表現に基づくエージェントコーディングのためのテスト時間スケーリングフレームワークを提案する。 当社のフレームワークは,各ロールアウトを,その健全な仮説,進捗,障害モードを保存する構造的な要約に変換する。 提案手法は,SWE-Bench Verified および Terminal-Bench v2.0 におけるフロンティア符号化エージェントの性能を一貫して改善する。
  論文  参考訳（メタデータ） (2026-04-16T17:39:33Z)
• ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
  ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。 それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。 評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
  論文  参考訳（メタデータ） (2026-04-05T17:55:23Z)
• APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
  LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。 我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
  論文  参考訳（メタデータ） (2026-03-31T00:24:56Z)
• TeaRAG: A Token-Efficient Agentic Retrieval-Augmented Generation Framework [62.66056331998838]
  TeaRAGは、検索内容と推論ステップの両方を圧縮できるトークン効率のエージェントRAGフレームワークである。 報奨関数は,過剰な推論ステップをペナルティ化しながら,知識マッチング機構によって知識満足度を評価する。
  論文  参考訳（メタデータ） (2025-11-07T16:08:34Z)
• Mapping Smarter, Not Harder: A Test-Time Reinforcement Learning Agent That Improves Without Labels or Model Updates [1.6440434996206623]
  Enterprise Intelligence Platformは多くのサードパーティベンダのログを統合する必要がある。 ベンダーのドキュメンテーションはテスト時に利用できないことが多い。 ラベル付き例を使わずに自己改善できる強化学習エージェントを提案する。
  論文  参考訳（メタデータ） (2025-10-16T17:17:00Z)

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。