論文の概要: Which Code Changes Need Re-embedding? CIPBench and the Limits of Multi-Signal Index Maintenance

• arxiv url: http://arxiv.org/abs/2610.25108v1
• Date: Sun, 18 Oct 2026 08:40:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-25 06:24:38.960045
• Title: Which Code Changes Need Re-embedding? CIPBench and the Limits of Multi-Signal Index Maintenance
• Title（参考訳）: どのコード変更に再埋め込みが必要か? CIPBenchと多信号インデックス維持の限界
• Abstract要約: 本研究は, 組込み変位から検索への影響に至るまで, 構文的重大性から変化がいかに伝播するかを特徴付ける。 我々は、厳密な事前埋め込み情報境界の下でメンテナンスポリシーをスコアするベンチマークであるCIPBenchとして決定を定式化する。 インデクシングされた状態からテキストが変更されていないユニットは、リスクなくスキップでき、最もリバージョンの多いプロジェクトでは、埋め込みコストのほぼ半分で済む。
• 参考スコア（独自算出の注目度）: 5.3766731996862775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Repository-level retrieval-augmented generation systems must keep vector indexes synchronized with continuously evolving code, yet there is no principled basis for deciding which changed code units actually need new embeddings. We ask whether the retrieval impact of a code change can be anticipated before that embedding is computed. Across 10 open-source repositories in Python, Go, and JavaScript, we characterize how a change propagates from syntactic substantiality through embedding displacement to retrieval impact. The links are informative but not deterministic: syntactic class separates displacement sharply, yet impact depends on a unit's retrieval exposure as much as on how far its representation moves, and recurring counterexamples bound what any single signal can decide. We formalize the decision as CIPBench, a benchmark that scores maintenance policies under a strict pre-embedding information boundary. Prediction works, and one signal exhausts it. A ranker using only a unit's change history substantially reduces retrieval harm relative to random and recency-based scheduling. Combining it with three further signals--individually discriminative and largely unassociated with one another--leaves the decision statistically unchanged across every budget we evaluate, for reasons we trace to the structure of the score rather than to its tuning. What pays off is not ranking but filtering: units whose text is unchanged from the indexed state can be skipped with no risk and, in the most reversion-heavy project, at nearly half the embedding cost. Signal-level informativeness is therefore not evidence of decision-level value, and separating the two requires evaluating the decision a signal produces rather than its association with the outcome.
• Abstract（参考訳）: リポジトリレベルの検索拡張生成システムは、連続的に進化するコードとベクトルインデックスを同期させなければならないが、どの変更されたコードユニットが実際に新しい埋め込みを必要とするかを決定するための原則的な基礎は存在しない。 埋め込みが計算される前に、コード変更による検索効果が期待できるかどうかを問う。 Python、Go、JavaScriptの10のオープンソースリポジトリで、変更が構文上の重大性から、埋め込み変位から検索への影響までどのように伝播するかを特徴付けています。 シンタクティック・クラスは変位を鋭く分離するが、その表現がどこまで動くかという限り、ユニットの検索露出に依存する。 我々は、厳密な事前埋め込み情報境界の下でメンテナンスポリシーをスコアするベンチマークであるCIPBenchとして決定を定式化する。 予測は機能し、1つの信号がそれを消します。 単位の変更履歴のみを使用するランク付け器は、ランダムおよびリレーシベースのスケジューリングに対する検索障害を著しく低減する。 さらに3つの信号と組み合わせることで、個々に差別的であり、主に互いに無関係であり、評価する予算毎に統計的に変化しない決定を導きます。 インデクシングされた状態からテキストが変更されていないユニットは、リスクなくスキップでき、最もリバージョンの多いプロジェクトでは、埋め込みコストのほぼ半分で済む。 したがって、信号レベルの情報性は決定レベルの価値の証拠ではなく、この2つを分けるには、信号が結果と結びつくよりも、信号が生み出す決定を評価する必要がある。

関連論文リスト

• Jeva: System One Models from First Principles [58.432996881401415]
  Jevaは4つの重要な構造的要件に対処する、決定ネイティブなアーキテクチャです。 共有エンコーダは独立して要求と各オプションを表現し、コンパクトな決定スタックは要求状態のみを洗練する。 Jevとオープンソースモデルに対する評価全般において、Jevaは強力な型付き決定性能とほぼ完璧なnull検出を組み合わせる。
  論文  参考訳（メタデータ） (2026-10-13T17:31:09Z)
• AGAR: a reinforcement learning substrate for LLM program evolution [35.893995992069414]
  我々は、モデルが指定したモジュラープレフィックスをアクションとするマルコフ決定プロセスを、出力するプログラムではなく形式化する。 AGAR(Algorithm Generation As RL)は、結果として生じる基質を提供する。 19のタスク、2つのバックエンド、3つのシードを1つのハーネスで実行し、AGARは、ほとんどのタスクで2つの公開されたベースラインの強化を改善している。
  論文  参考訳（メタデータ） (2026-10-06T23:22:26Z)
• Algebraic Consistency Alone Does Not Certify Temporal Structure in Latent Action Models [18.86499205164955]
  アクションモデルは、アクションフリービデオの2つのフレーム間の遷移のコードを推論する。 近年の手法では、この符号を正則化して加法的および反対称的に構成する。 この結論は従わないことを示す。
  論文  参考訳（メタデータ） (2026-09-20T09:03:21Z)
• SENTRY: Deterministic, Intelligent Risk Assessment for IT Change Management [3.6992654014782516]
  本稿では,アンケートに基づくスコアリングを決定論的機械学習パイプラインに置き換えるリスク評価プラットフォームであるSENTRYを提案する。 このシステムは、構造化された運用メタデータ、アプリケーション依存グラフ、過去のインシデント記録と、履歴変更要求に対するハイブリッドなセマンティクスと語彙検索を組み合わせる。 ROC AUCは0.87と85%の精度で達成され、既存のプロセスの約3.25倍のリスク変化を検出する。
  論文  参考訳（メタデータ） (2026-08-21T15:18:21Z)
• Split the Labor: Separating Evidence Interpretation from Decision Aggregation [0.0]
  言語モデルに多くの情報源から結論に達するよう要求するシステムは通常、それらを1つのプロンプトに分割する。 提案する4分野のエビデンス(仮説,信頼性バケット,合理性,証明)は,両半減期を決定することを示す。 この修正はアーキテクチャよりも算術的であり、言語モデル以外のルールのクラスに適用される。
  論文  参考訳（メタデータ） (2026-08-14T17:24:55Z)
• Decoupled Residual Quantization for Robust Semantic IDs in Recommendation [6.85237130729423]
  低い品質のトークンライザは、コードブックの未使用、不安定な決定境界、または埋め込み空間の幾何学的歪みから得られる。 本稿では,期待されるコードワード重複と効果的なコードブック能力を通じて,これらの故障を定量的に診断する枠組みを開発する。 概念実証として,連続的幾何再構成と離散分布マッチングを分離する疎結合残留量子化(DRQ)を提案する。
  論文  参考訳（メタデータ） (2026-06-01T07:55:21Z)
• Lost in Decoding? Reproducing and Stress-Testing the Look-Ahead Prior in Generative Retrieval [48.348257016776195]
  生成検索(GR)は、文書識別子を自動回帰生成することで文書をランク付けする。 多くのGR法は三重遅延ビームサーチに依存しており、有限ビームデコードの下で関連する接頭辞の早期刈り取りに弱い。 生成検索の計画 Ahead in Generative Retrieval (PAG) は、同時復号法を用いて、その後の逐次復号を導く文書レベルのルックアヘッドを計算することで、この障害モードを緩和する。
  論文  参考訳（メタデータ） (2026-04-25T17:58:15Z)
• MARS-Sep: Multimodal-Aligned Reinforced Sound Separation [72.85468563236005]
  MARS-Sepは音分離のための強化学習フレームワークである。 クリッピングされた信頼領域サロゲートによって最適化された、ファクタライズされたベータマスクポリシを学ぶ。 複数のベンチマークの実験は、テキスト、オーディオ、イメージ-キュード分離において一貫した利得を示している。
  論文  参考訳（メタデータ） (2025-10-12T09:05:28Z)
• Memorize or Generalize? Evaluating LLM Code Generation with Code Rewriting [54.48306552577881]
  大規模な言語モデル(LLM)は、主にメモリ化(トレーニングデータの大きな部分を複製または再利用する)と一般化(Generalization)を併用している、と我々は主張する。 既存の評価は、表面/構造的類似性を無視し、繰り返しコードの良質な再利用を有害なリコールと記憶タスクの正しさで混同する。 そこで我々は,2つの信号を組み合わせた正規化スコアである覚書リスク指標(MRI)を提案する。 (i) モデルが元の地平解とどのように類似しているか, (ii) 元のタスクから書き換えされたタスクにどの程度の性能が低下するか。
  論文  参考訳（メタデータ） (2025-03-04T05:39:24Z)
• A New Bandit Setting Balancing Information from State Evolution and Corrupted Context [52.67844649650687]
  本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。 任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。 本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-16T14:35:37Z)

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。