論文の概要: Cortex: Measurement-Gated Evolution and Pruning of Coding-Agent Skills and Rules
- arxiv url: http://arxiv.org/abs/2610.14216v1
- Date: Fri, 09 Oct 2026 18:29:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.02224
- Title: Cortex: Measurement-Gated Evolution and Pruning of Coding-Agent Skills and Rules
- Title（参考訳）: Cortex: コーディングスキルとルールの計測ゲートによる進化と刈り取り
- Abstract要約: Cortexは、ハーネスの変更を信頼せずにテストするツールです。
開発者のセッションから修正を再生可能なタスクとして保存する。
再帰する修正を見つけ、一度に1つのスキルやルールを書き、繰り返し実行された場合とそれなしではネットゲインを示す場合にのみそれを保持します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coding agents such as Claude Code also follow text files that developers write for them: a project file, skills the agent may choose to open, and rules that load automatically when the agent reads matching files. We call these files the agent's harness. Developers add to it whenever they correct the agent, but one success proves little: the same agent can pass a task once and fail it the next time. We present Cortex, a tool that tests changes to the harness instead of trusting them. It saves fixes from the developer's sessions as replayable tasks, finds the corrections that recur, writes one skill or rule at a time, and keeps it only if repeated runs with and without it show a net gain and no task made noticeably worse. Existing text is tested the same way before it is deleted, and Cortex neither adds nor deletes text the agent never used. We tested Cortex with Claude Haiku 4.5 on a repository built for the purpose, with conventions the model tends to break, one area with nothing to learn, and a script playing the developer. On held-out tasks, the harnesses it built made the agent follow the conventions far more often than no skills or rules did, left the comparison area unchanged, and added no text read on every turn. Rules, which load automatically, did most of the work; skills helped only when offered with the files a task touches, and those offered on every turn were rarely opened. Cortex kept none of the useless or harmful suggestions we planted, but the agent never opened the useless ones or the harmful skills, and it reached no verdict on the harmful rules, so the test shows that Cortex keeps no unused text, not that it detects damage. Under the stronger Claude Sonnet 5 a single run's harness added little, and on a real open-source project, where the agent was rarely corrected, Cortex found nothing to learn. We release the tool, the lab and its data.
- Abstract（参考訳）: Claude Codeのようなコーディングエージェントは、開発者が記述するテキストファイルも追従する。プロジェクトファイル、エージェントが開くことができるスキル、エージェントがマッチするファイルを読むと自動的にロードされるルールである。
これらのファイルをエージェントのハーネスと呼びます。
開発者はエージェントを訂正するたびに追加するが、ひとつの成功はほとんど証明されない。同じエージェントが一度タスクをパスし、次回失敗する。
Cortexは、ハーネスの変更を信頼せずにテストするツールです。
開発者のセッションから修正を再生可能なタスクとして保存し、再帰する修正を見つけ、一度に1つのスキルやルールを書き、繰り返し実行された場合にのみそれを保持します。
既存のテキストは削除される前と同じ方法でテストされ、Cortexはエージェントが使用しなかったテキストの追加も削除もしない。
私たちはCortexをClaude Haiku 4.5でテストしました。この目的のために構築されたリポジトリには、モデルを壊す傾向のあるコンベンション、何も学ばない領域、開発者を演じるスクリプトがあります。
維持されたタスクにおいて、エージェントが構築したハーネスは、スキルやルールが行わなかったことよりもはるかに頻繁に、比較領域は変更されず、すべてのターンにテキストを読まなかった。
自動的にロードされるルールは、ほとんどの作業を行い、タスクがタッチするファイルを提供するときにのみ、スキルが役立ち、各ターンに提供されるものはほとんど開かなかった。
Cortexは、私たちが植えた役に立たない、有害な提案は一切持っていませんが、役に立たないものや有害なスキルは決して開けませんでした。
より強力なClaude Sonnet 5の下では、単一のランのハーネスはほとんど追加されず、エージェントがほとんど修正されない真のオープンソースプロジェクトでは、Cortexは何も学べないことがわかった。
ツールとラボとそのデータをリリースします。
関連論文リスト
- Tracing the Thoughts of a Coding Agent Playing ARC-AGI-3: Lessons for Continual Learning [2.148015602930458]
我々は,コーディングエージェントが一連の推論タスクを通してどのように学習するかを研究する。
我々はエージェントに指示を与えないインタラクティブな推論ゲームであるARC-AGI-3をプレイさせる。
エージェントはPythonスクリプトとテキストノートとして学んだことを記録し、ハーネスはすべてのアクションと観察の完全なログを保持する。
論文 参考訳（メタデータ） (2026-10-08T08:04:18Z) - Can LLM Agents Automate Reinforcement Learning for Text-to-Speech? [64.13250261774849]
私たちは、共有ワークスペースの周りに、ヒューマンガイダンスとエージェント実行を構造化するコラボレーティブワークフローを構築します。
エージェントが何を自動化するかを測定するため、我々は公開レシピに対して段階的に軌道ステージを監査する。
以上の結果から, エージェントは不特定レシピを回収し, 改良し, 失速した場合には, 文献を調査し, LMキャリアからフローキャリアへピボットすることがわかった。
論文 参考訳（メタデータ） (2026-10-03T12:44:09Z) - Dr. Claw: An AI Scientist Workspace for Vibe Research [64.18459471289147]
Claw博士はオープンソースのワークスペースで、既存のコーディングエージェントエグゼキュータを制御可能なヒューマン・イン・ザ・ループワークフローでラップする。
永続状態オブジェクト、再利用可能なスキルライブラリ、マルチエグゼクティブコーディネーションは、人間の決定とAIの実行を結びつける。
Claw博士は、監査可能な、回復可能なプロセストレイルを維持しながら、研究の完全性により高いスコアを付けます。
論文 参考訳（メタデータ） (2026-08-31T20:58:47Z) - Rebuild Dossier: Mechanically-Enforced Specs for Agentic App Rebuilds, and What Model-Tier Failures Reveal [0.0]
restruct-dossierは、コードを記述する前にアプリケーションの実際のインターフェースをロックするオープンソースツールである。
自動チェックによるワンテスト・アズ・ア・タイムのビルドを強制する。
論文 参考訳（メタデータ） (2026-08-22T01:26:56Z) - Do Context Files Help Coding Agents? A Two-Agent Ablation Study on Real Repositories [0.0]
永続コンテキストファイル(AGENTS.md, CLAUDE.md)は、AIコーディングエージェントを誘導する標準的な慣行であるが、それらの効果の証拠は矛盾している。
我々は2つのフロンティアエージェント(Claude Code と Codex)間のコンテキスト注入戦略の制御されたアブレーションを示す。
論文 参考訳（メタデータ） (2026-07-28T11:07:53Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - 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) - Getting Better at Working With You: Compiling User Corrections into Runtime Enforcement for Coding Agents [99.67681154381803]
Test-time Rule Acquisition and Compiled Enforcement (TRACE)は、コーディングエージェントランタイムのためのスキル層パイプラインである。
開発者が事前に記述した実行時チェックとは異なり、TRACEスキルはユーザのチャット修正に由来する。
論文 参考訳（メタデータ） (2026-06-11T10:43:40Z) - SWE-chat: Coding Agent Interactions From Real Users in the Wild [70.18158706281724]
SWE-chatは、オープンソースの開発者から収集された実際のコーディングエージェントセッションの大規模なデータセットである。
現在、データセットには6000のセッションが含まれており、63,000以上のユーザプロンプトと355,000のエージェントツールコールが含まれている。
論文 参考訳（メタデータ） (2026-04-22T17:08:19Z)
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。