論文の概要: Runnable Commit Untangling for Coding Agents

• arxiv url: http://arxiv.org/abs/2610.11593v1
• Date: Thu, 08 Oct 2026 09:42:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.933923
• Title: Runnable Commit Untangling for Coding Agents
• Title（参考訳）: 符号化エージェントのランナブルコミットアンタングリング
• Abstract要約: Commit untanglingは、大きなパッチをアンハングルで管理可能なコミットにまとめるという約束を提供する。 RucTangleはコミットをアンハングルする最初のエージェントメソッドである。 TangleEvalは、アンハングルで管理可能なコミット履歴が、コーディングエージェントがバグを修復するのに役立つかを定量化する最初の評価フレームワークである。
• 参考スコア（独自算出の注目度）: 5.646270706321435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coding agents produce large, tangled patches that mix multiple development purposes, making the code hard to review and maintain. Commit untangling offers the promise of organizing such large patches into untangled, manageable commits. This paper emphasizes two important limitations in existing commit untangling studies. First, they do not consider that untangled commits are ordered and should leave the code runnable. In practice, maintainers are unlikely to accept commits that prevent the code from running. Second, existing studies claim that commit untangling helps software maintenance. However, they conduct syntactic comparisons between the untangled commits and developers' original commits without directly showing the claimed maintenance benefits. To address these gaps, this paper makes two novel contributions: (1) RucTangle, the first agentic method that untangles commits while keeping the code runnable after each commit; and (2) TangleEval, the first evaluation framework that quantifies how untangled, manageable commit histories help coding agents repair bugs. We compare RucTangle against four untangling methods on 131 agent-generated patches. All histories produced by RucTangle are runnable, while baselines produce 20.6%-37.4% unrunnable commit histories. We further collect 453 agent-generated patches that introduce regressions (i.e., causing previously passing tests to fail) and ask two other coding agents to repair regressions. Augmenting agent context with RucTangle-produced histories yields 5.2% absolute improvement in pass@1. We also analyze agent trajectories to learn how they use untangled commits to navigate and fix bugs. Our findings demonstrate the value of adopting established software engineering practices in the era of coding agents, which broaden the future research agenda: how can agents actively use software history to make better development decisions?
• Abstract（参考訳）: コーディングエージェントは、複数の開発目的を混ぜ合わせた、大きくて絡み合ったパッチを生成し、コードのレビューとメンテナンスが困難になる。 Commit untanglingは、このような大きなパッチをアンハングルで管理可能なコミットに整理する、という約束を提供する。 本稿では,既存のコミット回避研究における2つの重要な限界を強調する。 まず、アンハングルされたコミットが順序付けられており、コードが実行可能であることを考慮していない。 実際、メンテナはコードが実行されないようにコミットを受け付けない。 第二に、既存の研究は、コミット回避はソフトウェアのメンテナンスに役立つと主張している。 しかし、彼らは、要求されるメンテナンスの利点を直接示さずに、アンハングルされたコミットと開発者のオリジナルのコミットとを統語的に比較する。 本稿では,(1)コミット後のコード実行を継続しながらコミットをアンハングルする最初のエージェントメソッドであるRucTangleと,(2)非ハングルで管理可能なコミット履歴を定量化する最初の評価フレームワークであるTangleEvalの2つの新しいコントリビューションについて述べる。 エージェント生成パッチ131について,RucTangleと4つのアンハングリング手法を比較した。 RucTangleのすべての履歴は実行可能であり、ベースラインは実行不可能なコミット履歴を20.6%-37.4%生成している。 さらに、453個のエージェント生成パッチを収集し、リグレッション(つまり、以前パスしたテストが失敗する原因)を導入し、他の2つのコーディングエージェントにリグレッションの修復を依頼する。 RucTangleが生成した履歴によるエージェントコンテキストの増大は、pass@1.2%の絶対的な改善をもたらす。 またエージェントのトラジェクトリを分析して、アンハングルなコミットを使ってバグをナビゲートし修正する方法を学びます。 私たちの発見は、コーディングエージェントの時代において確立されたソフトウェアエンジニアリングプラクティスを採用することの価値を示しており、これは将来の研究課題を広げている。

関連論文リスト

• COMMITGUARD: Differential Slice Fuzzing for Commit-Induced Bug Detection [5.733954327924554]
  COMMITGUARDは、コード変更を検証するためのコミット対応差分スライスベースのファジリングアプローチである。 我々は,openSSL, libpcap, leptonicaから300件のコミットに対してCOMMITGUARDを評価した。
  論文  参考訳（メタデータ） (2026-08-18T05:57:09Z)
• Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
  大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。 報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。 本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:59:13Z)
• TRIM: Reducing AI-Generated CodeSlop via Agent Trajectory Minimization [57.14479960309637]
  コーディングエージェントは、多くの下流タスクでコード生成を加速するためにますます使われています。 その価値にもかかわらず、エージェント生成コードは、対応する人間による実装よりも大きく、冗長である傾向がある。 原因はエージェント自身の検索プロセスにあることを示す。
  論文  参考訳（メタデータ） (2026-07-20T17:06:19Z)
• Autoresearch with Coding Agents: Generalizers and Metric-Maximizers on Quran Recitation Data [4.191965713559235]
  コーディングエージェントは、スコアに対してソフトウェアを改善するために、単独で残すことができます。 このパターンでは、エージェントはデータセット、評価スクリプト、編集可能な1つのファイルを受け取り、監督なしで反復する。 このループを実際の生産タスクで実行し、ノイズの多い音声認識書面にどのクラニック詩が現れるかを決定しました。
  論文  参考訳（メタデータ） (2026-07-20T15:32:09Z)
• SemaDiff: Identifying Semantic-Changing Commits with Generated Code and Tests [5.3138104073306005]
  変更点からのセマンティック保存コミットの排除は、ソフトウェアリポジトリのマイニングにおいて、依然としてオープンな課題である。 SemaDiffは、プレコミットとポストコミットバージョンでの同様のテスト実行の比較を通じて、セマンティック保存コミットを特定するための新しいアプローチである。 SemaDiffは、セマンティックな保存と -- 約76%のケースでコミットを変更する -- を正確に区別し、セマンティックなコミット検出の精度は100%である。
  論文  参考訳（メタデータ） (2026-07-14T12:23:22Z)
• Is Agent Code Less Maintainable Than Human Code? [17.226150835020146]
  保守環境において,エージェントコードがヒューマンコードとどのように比較されるかを検討する。 エージェントは人的コードに比べてエージェントコード構築時のタスクの解決に効果が低いことがわかった。
  論文  参考訳（メタデータ） (2026-06-19T23:56:14Z)
• 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)
• Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub [5.808464460707249]
  われわれはGitHub全体で5人のコーディングエージェントが作成した33kエージェントのPRを大規模に調査している。 まず,4次元のPRを定量的に特徴付ける。 マージされていないPRは、より大きなコード変更を伴い、より多くのファイルに触れる傾向があり、プロジェクトのCI/CDパイプライン検証に合格しないことが多い。
  論文  参考訳（メタデータ） (2026-01-21T17:12:46Z)
• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
  セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。 汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。 特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T20:39:08Z)

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。