論文の概要: Agentic Interpretation: Harness-Governed Evidence Construction for Software Agents
- arxiv url: http://arxiv.org/abs/2610.23996v1
- Date: Thu, 15 Oct 2026 05:42:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 11:55:11.851485
- Title: Agentic Interpretation: Harness-Governed Evidence Construction for Software Agents
- Title（参考訳）: エージェント解釈: ソフトウェアエージェントのハーネス保証エビデンス構築
- Abstract要約: ソフトウェアエージェントは、パッチがテストに合格するか、どのラインが障害を引き起こしたかといった、コードに関する振る舞いに関する質問に答える。
本稿では, ハーネスが支配するエビデンス構築の枠組みであるエージェント解釈(AgInt)について述べる。
モデルは、型付きレコードを提案し、決定論的ハーネスは、それらを認め、評価し、持続し、未解決の要求を報告し、タスク固有のルールの下での回答をライセンスする。
- 参考スコア（独自算出の注目度）: 6.577965680900296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software agents answer behavioral questions about code, such as whether a patch passes tests or which lines caused a failure. These tasks require repository-wide evidence, yet most scaffolds leave intermediate findings in free-form trajectories, making them hard to reuse and easy to disconnect from final answers. We present Agentic Interpretation (AgInt), a framework for harness-governed evidence construction. The model proposes typed records, while a deterministic harness admits, grades, and persists them, reports unresolved requirements, and licenses answers under task-specific rules. The resulting certificate gives the model persistent external state and leaves an auditable decision record. Formally, append-only certificate states form a grounding lattice ordered by record inclusion, where each admitted record extends the state by union. We evaluate AgInt with four models on SWE-bench-Live and DeepSWE for patch acceptance and Defects4J and GitBug-Java for fault localization. AgInt outperforms the plain agent and Agentic Code Reasoning on all reported patch-acceptance metrics and ranks responsible lines higher while inspecting fewer irrelevant lines in fault localization. For GLM-5, reject-class F1 rises from 0.256 to 0.543 on SWE-bench-Live, All@1 rises from 0.140 to 0.400 on Defects4J, and wasted inspected lines fall from 31.5 to 11.7 on GitBug-Java. A matched-template control separates the mechanism: the persistent scaffold drives most fault-localization gains, while the certificate body and gate govern patch-acceptance calibration. With execution licensed, AgInt produces harness-reproduced witnesses for 293 of 475 null-dereference candidates versus 253 for a matched shell agent, and 62 of 117 resource-leak candidates versus 58. Across reported efficiency measurements, it uses 35% fewer executions and reduces cost per candidate by 59%.
- Abstract（参考訳）: ソフトウェアエージェントは、パッチがテストに合格するか、どのラインが障害を引き起こしたかといった、コードに関する振る舞いに関する質問に答える。
これらのタスクはリポジトリ全体の証拠を必要とするが、ほとんどの足場は、中間的な発見を自由形式の軌道に残しており、再利用が難しく、最終回答から切り離すのが容易である。
本稿では, ハーネスが支配するエビデンス構築の枠組みであるエージェント解釈(AgInt)について述べる。
モデルは、型付きレコードを提案し、決定論的ハーネスは、それらを認め、評価し、持続し、未解決の要求を報告し、タスク固有のルールの下での回答をライセンスする。
結果として得られた証明書は、モデルに永続的な外部状態を与え、監査可能な決定記録を残します。
正式には、追加のみの証明書状態は、レコード包含によって順序づけられたグラウンド格子を形成し、それぞれのレコードが結合によって状態を拡張する。
パッチ受け入れにはSWE-bench-LiveとDeepSWEの4つのモデル、フォールトローカライゼーションにはDefects4JとGitBug-JavaでAgIntを評価した。
Agintは、報告されたすべてのパッチ受け入れメトリクスでプレーンエージェントとエージェントコード推論を上回り、責任ラインを高くし、フォールトローカライゼーションにおける無関係な行を検査する。
GLM-5では、reject-class F1はSWE-bench-Liveで0.256から0.543に上昇し、All@1はDefects4Jで0.140から0.400に上昇する。
永続的な足場がほとんどのフォールトローカライゼーションゲインを駆動し、証明書本体とゲートがパッチアクセプタンスキャリブレーションを管理する。
実行許可を得たAgIntは、475のnull参照候補のうち293人、マッチしたシェルエージェントでは253人、リソースリーク候補では62人、58人に対してハーネス再現された証人を生成する。
報告された効率測定全体では、実行率を35%削減し、候補あたりのコストを59%削減する。
関連論文リスト
- Beyond the Verdict: Agentic Code Judging with Verifiable Feedback [54.72977295521153]
我々は,人間の専門家による受諾プログラムと受諾プログラムを用いて,USACO 2026コンテストからUSACO-JUDGEを構築した。
次に、35Bのエージェント検証器であるARBITERを、汎用的な実行サンドボックスで強化学習して訓練する。
トレーニングは、不正なプログラムを40.61%から62.67%に、二分判定の精度を71.41%から87.41%に引き上げる。
論文 参考訳（メタデータ） (2026-10-13T17:22:58Z) - The Harness as the Only Mutable Surface: Compliance-Bounded Self-Evolution of LLM Agents in Credit Pipelines, with a Measured Admission Gate [0.0]
自己改善型LLMエージェントは、クレジットパイプラインを変更ルールに適合させることができるが、書き換えるエージェントは、管理者レビューの成果物を破壊する。
自己進化は、ハーネスに限られている場合のみ、レビュー可能であると我々は主張する。
このバウンダリ上に構築されたデュアルループエンジンに,デプロイメント前にハッシュチェーンレコードを記述した入力ゲートをひとつ用意しています。
論文 参考訳（メタデータ） (2026-10-07T12:33:48Z) - Trust Is Not a Score: Runtime Assurance Contracts for High-Risk AI Agents [0.0]
本稿では,ポリシーレベルの形式的スキーマバインディング境界,コンポーネントの適性,エビデンス状態,遷移ポリシ,ヒューマンレビュー能力,非補償ゲートを提案する。
調整された保証契約(RAC)の下では、ソフトメトリクスはルーティングを通知するが、失敗または未知の強制ゲートフォースはリトライ、スイッチ、エスカレーション、デフェラル、ストップを行う。
論文 参考訳（メタデータ） (2026-09-30T13:28:42Z) - From Traceability to Justifiability: Accountability Structures in Agentic Software Engineering [0.0]
公開資料のみから、AIレコードがクレームを表現できるかどうか、宣言された場所を保持できるかどうかを測定する。
188個の二重グレード細胞で、デフォルトレコードが行動システムのコンテンツアイデンティティを出力するプラットフォームは見つからなかった。
計器は、パイプラインが発行した排気のみからの保証深度を計算し、宣言された深さと比較する。
論文 参考訳（メタデータ） (2026-08-21T16:45:00Z) - Kozuchi Agent: A Language-Agnostic Open-Weight Agent for Software Repair [13.668549452625117]
Kozuchi Agentは言語に依存しないオープンウェイト修復エージェントであり、CI操作評価パイプラインである。
明示的なフェーズ、永続的な状態、決定論的ツール、モデル非依存のアクションインターフェース、エージェント間のテスト時間選択は、監査可能で繰り返し実行できる。
論文 参考訳（メタデータ） (2026-08-16T07:06:37Z) - Auditable Release Control for Pedagogical Leakage in LLM Tutors [0.0]
大規模な言語モデルチューターは、その開示が承認される前に答えや決定的な推論を明らかにするのに役立ちます。
我々は、この状態および行動依存的障害を、教育的漏洩認識認可として定式化し、完全修復境界を導入する。
グローバルA1は0の多数と54のユーティリティフラグを獲得し、自動安全と実用性において適合Qを上回っている。
論文 参考訳（メタデータ） (2026-08-01T08:24:30Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - TTHE: Test-Time Harness Evolution [50.26245555541721]
既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。
我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。
評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。
その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
論文 参考訳（メタデータ） (2026-07-09T05:53:39Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z)
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。