論文の概要: Returning to Development States: When Full Sandbox Snapshots Help Coding Agents
- arxiv url: http://arxiv.org/abs/2610.13841v1
- Date: Fri, 09 Oct 2026 16:50:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.691335
- Title: Returning to Development States: When Full Sandbox Snapshots Help Coding Agents
- Title（参考訳）: 開発状態に戻る: 完全なサンドボックススナップショットがコーディングエージェントを助けてくれる時
- Abstract要約: 完全なDaytonaスナップショット上でGo-Exploreスタイルの検索を実装しました。
この結果から,1つの差分から状態が再構成できない複数のサービスにまたがる長期符号化作業において,フルショット検索が最も効果的であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.7996639974071656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coding agents often make useful progress before they fail, but retry-from-scratch discards the machine state created along the way. This makes failure recovery an interesting search problem: if intermediate environment states preserve meaningful progress, restoring and branching from them could outperform repeatedly restarting from the initial state. We implement Go-Explore-style search over full Daytona snapshots and find that higher and more efficient solve rates depend mainly on progress that sits outside the repository, such as databases, services, and other runtime state. Our results suggest that full-snapshot search is most effective when long-horizon coding work spans multiple services whose state cannot be reconstructed from a single diff.
- Abstract（参考訳）: コーディングエージェントは失敗する前に便利な進捗を行うことが多いが、スクラッチから再試行することで、途中で生成されたマシン状態を破棄する。
中間環境状態が有意義な進行を保っているなら、その状態から回復し、分岐することで、初期状態から繰り返し再起動するよりもパフォーマンスが良くなる。
完全なDaytonaスナップショット上でのGo-Exploreスタイルの検索を実装して,データベースやサービス,その他のランタイム状態など,リポジトリの外にある進捗状況に大きく依存する,より効率的な解決率の向上を確認します。
この結果から,1つの差分から状態が再構成できない複数のサービスにまたがる長期符号化作業において,フルショット検索が最も効果的であることが示唆された。
関連論文リスト
- Travel Back To Move Forward: Retrospective Exploration and Evolving for Long Horizon Agents [47.33408935433902]
エージェントが環境を以前の状態に戻すことを可能にするフレームワークであるReTRAILを紹介する。
エージェントの知識が前進し続ける間、環境状態は後退する。
ReTRAILにより、非生産状態からエージェントを巻き戻し、放棄されたブランチからの洞察を用いて、その後の探索をガイドできることが示される。
論文 参考訳（メタデータ） (2026-10-09T06:11:39Z) - Rollback the World, Keep the Reflection: Rollback-Induced Reflection for Long-Horizon LLM Agents [56.434418859203085]
大規模言語モデル(LLM)エージェントは、多段階の環境相互作用を通じて、長い水平タスクに対処する。
単一の誤動作は、その後の状態や観測を変更でき、時間とともにエラーが複雑になる。
信頼性回復はロールバック境界制御問題として扱われるべきである。
論文 参考訳（メタデータ） (2026-09-16T08:26:14Z) - DeepRepro: State-Aware Subplanning for Paper-to-Code Reproduction in Evolving Repositories [116.27249583403871]
本稿では,実行状態対応サブプランニングに基づく,紙からコードへの再生のための状態認識フレームワークを提案する。
DeepReproは、進化するリポジトリの状態とランタイムフィードバックを、きめ細かい実装サブプランに変換する。
PaperBench Code-Devの実験によると、DeepReproは強力な科学的および商業的なコードエージェントベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-08-27T02:54:30Z) - AgentRewind: Recoverable Execution for Long-Horizon LLM Agents [32.44158037765297]
我々は,エージェントコンテキストと制御環境の整列チェックポイントを記録するランタイムリカバリフレームワークであるAgentRewindを紹介する。
また,タスク完了と長期工学的課題の部分的進捗を評価するベンチマークであるMettleBenchを構築した。
論文 参考訳（メタデータ） (2026-08-14T15:20:35Z) - LoopsBench: From Harness Engineering to Loop Engineering in Benchmarking Coding Agent [60.27239351179265]
LOOPSBENCHは、符号化エージェント評価におけるループエンジニアリングのベンチマークである。
8つのプログラミング言語と9つのドメインにまたがる、本物のソースからの112のタスクで構成されている。
フロー対応ランタイムは、準備されたフロンティアに沿ってテストをリリースし、レグレッション義務として完了したノードを保持します。
論文 参考訳（メタデータ） (2026-07-31T20:18:25Z) - Experience Graphs: The Data Foundation for Self-Improving Agents [24.60392207371798]
我々は、コード生成、科学的発見、設計といった長期のエージェントタスクがそのような作業負荷であると主張している。
この検索は、私たちがエクスペリエンスグラフと呼ぶ構造化オブジェクトを生成します。
Trellisは、エクスペリエンスグラフを第一級で、管理され、クエリ可能なデータベースとして扱うデータ基盤である。
論文 参考訳（メタデータ） (2026-06-29T06:02:20Z) - Learning to Commit: Generating Organic Pull Requests via Online Repository Memory [11.042326503752756]
大きな言語モデル(LLM)ベースのコーディングエージェントは、制御されたベンチマークで印象的な結果を得るが、実際のメンテナが拒否するプルリクエストを定期的に生成する。
オンラインリポジトリメモリを通じてこのギャップを埋めるフレームワークであるLearning to Commitを紹介します。
論文 参考訳（メタデータ） (2026-03-27T17:58:56Z) - 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) - InfiAgent: An Infinite-Horizon Framework for General-Purpose Autonomous Agents [36.740230738304525]
InfiAgentは、タスクの持続時間に関係なく、エージェントの推論コンテキストを厳密に拘束する。
20Bのオープンソースモデルを持つInfiAgentは、より大きなプロプライエタリなシステムと競合する。
論文 参考訳（メタデータ） (2026-01-06T17:35:57Z) - NL2Repo-Bench: Towards Long-Horizon Repository Generation Evaluation of Coding Agents [79.29376673236142]
既存のベンチマークは、完全なソフトウェアシステムを構築するのに必要な長期的能力の厳格な評価に失敗する。
符号化エージェントの長期リポジトリ生成能力を評価するために設計されたベンチマークであるNL2Repo Benchを提案する。
論文 参考訳（メタデータ） (2025-12-14T15:12:13Z)
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。