論文の概要: Implementing the Spec Growth Engine: Preventing Spec-Code Divergence, and Growing the Spec with Agents
- arxiv url: http://arxiv.org/abs/2610.11725v1
- Date: Thu, 08 Oct 2026 11:24:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.976726
- Title: Implementing the Spec Growth Engine: Preventing Spec-Code Divergence, and Growing the Spec with Agents
- Title（参考訳）: 仕様成長エンジンの実装: 仕様コードの多様性を予防し、エージェントで仕様を成長させる
- Abstract要約: Spec Growth Engineは、コードが結合された仕様のグラフで、AI支援のソフトウェア開発をアンカーする。
本稿では,2つのタスクを処理し,それらを2つのレイヤとして分離する実装について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Spec Growth Engine anchors AI-assisted software development in a graph of specifications that the code is coupled to. This paper describes its implementation, which serves two tasks and keeps them apart as two layers. The first layer prevents spec-code divergence: a deterministic engine validates the spec graph, compares it with the code's import graph, earns a node's verified status from recorded test evidence, and classifies every change by what it can break -- without calling a model. The second layer grows the spec with agents: an intent author, a planner and a coder, each played by its own model, extend the graph in rounds, and a deterministic rule decides after each round whether the run goes on. How much of the human's judgement is delegated is set by three independent switches -- a draft gate, a delegation for breaking changes, and the run mode -- which, with two ways of laying a project's floor, give eighteen ways to run a project. We describe each of them, the gates, requests and waivers through which agents and the human communicate, and the spectrum of operation from entirely manual work to an unsupervised run whose decisions the human reviews afterwards. Throughout, one claim holds the design together: an autonomous run is worth only as much as the deterministic instance that measures it.
- Abstract（参考訳）: Spec Growth Engineは、コードが結合されている仕様のグラフで、AI支援のソフトウェア開発をアンカーする。
本稿では,2つのタスクを処理し,それらを2つのレイヤとして分離する実装について述べる。
決定論的エンジンが仕様グラフを検証し、コードのインポートグラフと比較し、記録されたテストエビデンスからノードの確認されたステータスを取得し、モデルを呼び出すことなく、その変更を分類する。第2のレイヤは、エージェントによって仕様を成長させる: インテントの作者、プランナー、コーダ。それぞれが独自のモデルによって実行され、ラウンドでグラフを拡張し、決定論的ルールは、各ラウンドの後に決定される。人間の判断の委譲は、ドラフトゲート、変更のデリゲート、実行モードの2つの独立したスイッチによって設定される。プロジェクトのフロアを配置する2つの方法がある。
エージェントと人間がコミュニケーションするゲート、リクエスト、ウェイバー、そして、完全に手作業から、その後の人間のレビューを決定する教師なしの実行まで、操作のスペクトルについて説明する。
自律的な実行は、それを測定する決定論的インスタンスと同じくらいの価値しかありません。
関連論文リスト
- Research-Native by Construction: Minimal Nodes, Re-verifiable Workflows, and Compounding Memory for Long-Horizon Scientific Agents [7.183452722317971]
AfSは長期の科学研究のためのプラットフォームである。
プロジェクトは何十ものエージェントにまたがって何時間も実行され、人間のプレゼンスはたまにしか実行されない。
機械による研究の信頼性の大部分は、モデルに振る舞いを求めることから、非準拠の状態を表現不能にすることに移行することができる。
論文 参考訳（メタデータ） (2026-09-28T13:47:05Z) - Introducing Consort: A Spec-First Agent Framework for Enforced, Test-Driven Development on Live Database Branches [0.0]
第3に構築された仕様ファーストでテスト駆動のエージェントフレームワークであるConsortを紹介します。
テストとゲートをコードに強制することは、エージェント記述のコードを正直かつ検証しやすくする、と私たちは主張する。
論文 参考訳（メタデータ） (2026-09-09T03:38:38Z) - Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳（メタデータ） (2026-09-04T23:32:11Z) - 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) - PairCoder++: Pair Programming as a Universal Paradigm for Verified Code-Driven Multimodal and Structured-Artifact Generation [51.92442051257354]
PairCoderは、実行のみではなく、完全な公式メトリックスイート上で、アーティファクトが検証可能なすべてのベンチマークを本質的に改善する。
TikZのコンパイルレートは、各モデルで10から30ポイント、シングルモデルの2.9から9.2倍である。
論文 参考訳（メタデータ） (2026-07-02T08:36:02Z) - The Spec Growth Engine: Spec-Anchored, Code-Coupled, Drift-Enforced Architecture for AI-Assisted Software Development [0.0]
AIコーディングエージェントは、実装速度を劇的に加速するが、既存の仕様駆動アプローチでは完全に解決できない2つの構造的障害モードを導入する。
マシン可読な仕様グラフを通じて、両方の障害モードに対処するフレームワークであるSpec Growth Engineを紹介します。
この設計は、確立されたソフトウェアエンジニアリングの原則を、リーンでコード結合でマシン強化された全体へと合成する。
論文 参考訳（メタデータ） (2026-06-25T13:51:22Z) - Agent trajectories as programs: fingerprinting and programming coding-agent behavior [0.49316866264940024]
ベンチマークスコアは、エージェントが正しいことを教えてくれます。
本研究では,モデル,タスク,アプローチが異なる状況下で,エージェントを手続き的に比較する手法を提案する。
これらの手続き的シグネチャに対する調査では、正しいエージェントに対して85.7%の精度で見当たらない軌跡があり、タスク間のリークを制御している。
論文 参考訳（メタデータ） (2026-06-15T17:28:41Z) - GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。
eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。
i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
論文 参考訳（メタデータ） (2026-05-28T01:05:50Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。
本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
論文 参考訳（メタデータ） (2025-10-02T06:25:10Z)
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。