論文の概要: Do Coding Agents Understand Why Systems Crash---and Why They Don't?

• arxiv url: http://arxiv.org/abs/2610.29332v1
• Date: Wed, 21 Oct 2026 07:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 09:50:43.233957
• Title: Do Coding Agents Understand Why Systems Crash---and Why They Don't?
• Title（参考訳）: コーディングエージェントはなぜシステムをクラッシュさせるのか - そしてなぜそうしないのか?
• Abstract要約: コーディングエージェントは現実世界のバグを修正する能力はますます高まっているが、Linuxカーネルのような大規模なシステムでは依然として苦労している。 理由を理解するために、私たちはクラッシュ推論を通じてエージェントがこれらの処理の実行を理由づける方法をテストする。 正しい予測だけでは、不審なコードを見つけることから生じる可能性があるため、この能力を確立できない。
• 参考スコア（独自算出の注目度）: 67.16681439771178
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Coding agents are increasingly capable of fixing real-world bugs, yet they still struggle with large systems codebases such as the Linux kernel. To understand why, we test how agents reason about execution in these codebases through crash reasoning: predicting from source code whether a given input crashes the system. A correct prediction alone, however, does not establish this ability, since it may come from merely spotting suspicious code. In this paper, we propose source interventions: we pair source trees that differ by a single commit, so that the same input crashes only one of them, and test whether agents predict crashes more often on the crashing tree. Experiments with four coding agents on SysRB, our dataset of 934 such pairs from Linux and OSS-Fuzz projects, yield three main findings. First, agents are biased toward predicting no crash: they rarely raise false alarms but miss many real crashes, and even the best agent misses over a quarter of them. Second, locating the code that determines the crash outcome is not enough: agents often misjudge its effect, especially when the crash occurs far from that code. Third, testing only on crashing code is misleading: agents that merely notice suspicious code predict crashes on both source trees, which would look like correct reasoning on the crashing tree alone. Together, these findings indicate that current coding agents cannot yet reliably reason about execution in complex systems codebases, and that paired evaluation is necessary to measure this ability.
• Abstract（参考訳）: コーディングエージェントは現実世界のバグを修正する能力はますます高まっているが、Linuxカーネルのような大規模なシステムコードベースでは依然として苦戦している。 理由を理解するために、エージェントがクラッシュ推論によってこれらのコードベースでの実行を理由づける方法をテストする: 与えられた入力がシステムにクラッシュするかどうかをソースコードから予測する。 しかし、正しい予測だけでは、不審なコードを見つけることから生じる可能性があるため、この能力を確立できない。 本稿では,1つのコミットで異なるソースツリーをペア化することで,同じ入力が1つだけクラッシュし,エージェントがクラッシュツリー上でより頻繁にクラッシュを予測するかどうかをテストする。 SysRB上の4つのコーディングエージェントによる実験では、LinuxとOSS-Fuzzプロジェクトの934組のデータセットが3つの主要な結果を得た。 まず、エージェントは事故の予測に偏っている。誤報はめったに起こらないが、多くの実際のクラッシュを見逃し、最高のエージェントでさえその4分の1以上を逃す。 第二に、クラッシュの結果を決定するコードを見つけるだけでは不十分です。 第3に、クラッシュするコードのみをテストするのは誤解を招く。不審なコードに気づくエージェントは、両方のソースツリーのクラッシュを予測します。 これらの結果は、現在のコーディングエージェントが複雑なシステムコードベースでの実行を確実に判断できないことを示し、この能力を測定するにはペア評価が必要であることを示唆している。

関連論文リスト

• Is Agent Code Less Maintainable Than Human Code? [17.226150835020146]
  保守環境において,エージェントコードがヒューマンコードとどのように比較されるかを検討する。 エージェントは人的コードに比べてエージェントコード構築時のタスクの解決に効果が低いことがわかった。
  論文  参考訳（メタデータ） (2026-06-19T23:56:14Z)
• 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)
• Agentic Fuzzing: Opportunities and Challenges [7.472861215589319]
  本稿では,歴史的バグを原因とするバグフィリング手法であるエージェントファズリングを提案する。 Agentは、参照とトリガーパスやコード構造で完全に異なる変種を見つける。 私たちは約1ヶ月、V8 JavaScriptエンジン上でAFuzzを実行し、40のバグ(3つの重複を含む)を見つけ、合計35,000ドルの報奨金を受け取り、2つのCVEを割り当てました。
  論文  参考訳（メタデータ） (2026-05-11T06:56:30Z)
• Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All [57.23434868678603]
  Live-kBenchは、新たに発見されたカーネルバグのエージェントをスクラップし、評価するセルフ進化ベンチマークの評価フレームワークである。 kEnvは、カーネルのコンパイル、実行、フィードバックのためのエージェントに依存しないクラッシュ解決環境である。 kEnvを用いて3つの最先端エージェントをベンチマークし、最初の試行で74%のクラッシュを解決したことを示す。
  論文  参考訳（メタデータ） (2026-02-02T19:06:15Z)
• CrashFixer: A crash resolution agent for the Linux kernel [58.152358195983155]
  この作業は、システムレベルのLinuxカーネルバグのベンチマークと、Linuxカーネルで実験を実行するプラットフォームを共有するkGymの上に構築されている。 CrashFixerはLinuxカーネルのバグに適応する最初のLCMベースのソフトウェア修復エージェントである。
  論文  参考訳（メタデータ） (2025-04-29T04:18:51Z)
• RedCode: Risky Code Execution and Generation Benchmark for Code Agents [50.81206098588923]
  RedCodeはリスクの高いコード実行と生成のためのベンチマークである。 RedCode-Execは、危険なコード実行につながる可能性のある、挑戦的なプロンプトを提供する。 RedCode-Genは160のプロンプトに関数シグネチャとドキュメントを入力として提供し、コードエージェントが命令に従うかどうかを評価する。
  論文  参考訳（メタデータ） (2024-11-12T13:30:06Z)
• The Impact Of Bug Localization Based on Crash Report Mining: A Developers' Perspective [7.952391285456257]
  事故報告をグループ化し,バグコードを見つけるためのアプローチを18ヶ月にわたって毎週実施した経験を報告する。 この調査で調査されたアプローチは、バギーファイルの大部分を正しく示唆していた。
  論文  参考訳（メタデータ） (2024-03-16T01:23:01Z)
• Predicting Vulnerability In Large Codebases With Deep Code Representation [6.357681017646283]
  ソフトウェアエンジニアは様々なモジュールのコードを書きます。 過去に(異なるモジュールで)修正された同様の問題やバグも、本番コードで再び導入される傾向にある。 ソースコードから生成した抽象構文木(AST)の深部表現とアクティブフィードバックループを用いた,AIに基づく新しいシステムを開発した。
  論文  参考訳（メタデータ） (2020-04-24T13:18:35Z)

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。