Fugu-MT 論文翻訳(概要): PAUSE: Search-Free Steering of Coding Agents Before Their First Source-Code Edit

論文の概要: PAUSE: Search-Free Steering of Coding Agents Before Their First Source-Code Edit

arxiv url: http://arxiv.org/abs/2610.29870v1
Date: Wed, 21 Oct 2026 15:24:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-23 00:40:06.391582
Title: PAUSE: Search-Free Steering of Coding Agents Before Their First Source-Code Edit
Title（参考訳）: PAUSE:最初のソースコード編集の前にコーディングエージェントの検索不要のステアリング
Abstract要約: 本稿では,コーディングエージェントを単一の計画介入で操るフレームワークPAUSEを提案する。エージェントは、調査、バグ再現、テスト後の軌道進行の60%の中央値で、最初のソースコード編集に達する。 Qwen3-coderをExecutorとして、GPT-5.6 SolをPlannerとして、オンラインステアリングはOpenHandsのVerifiedで16.8%、Multilingualで14.7%改善した。
参考スコア（独自算出の注目度）: 6.320710377060233
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Coding agents can invest substantial effort in repository exploration and testing yet still produce unsuccessful patches. Existing online steering methods review trajectories periodically or invoke an advisor when a monitor detects behavioral problems; frequent reviews are costly, and the absence of anomalous behavior does not mean that an agent is on the right track. We propose PAUSE, a framework for steering coding agents with a single planning intervention. Agents reach their first source-code edit at a median of 60% of trajectory progress, after exploration, bug reproduction, and testing. PAUSE intercepts this edit request before it executes, which requires no learned monitor, no search over checkpoints, and no extra model call (search-free). A separate Planner reads the task and the pre-edit transcript and writes one repair plan; the same agent, the Executor, resumes with this plan, keeping its context and workspace. PAUSE applies online, during a live run, and offline, from a recorded trajectory prefix. We evaluate PAUSE on SWE-bench Verified and SWE-bench Multilingual with two Executors and three agent harnesses. With Qwen3-coder as Executor and GPT-5.6 Sol as Planner, online steering improves resolution by 16.8% on Verified in OpenHands and by 14.7% on Multilingual in SWE-agent. In SWE-agent, PAUSE outperforms LivePlan, a rule-triggered advisor, by 3.2% on Verified and 3.7% on Multilingual at similar Planner cost, and is comparable to SICA's periodic overseer at about 11-15% of its Planner cost. Offline, PAUSE recovers 35.4% of eligible failed Verified tasks, and resuming from the recorded prefix uses 33-41% fewer Executor tokens than restarting.
Abstract（参考訳）: コーディングエージェントは、リポジトリの探索とテストに多大な労力を費やすことができるが、それでもパッチは失敗する。既存のオンラインステアリング手法では、モニターが行動上の問題を検出したときに定期的にレビューやアドバイザを起動するが、頻繁なレビューはコストがかかり、異常な振る舞いがないことは、エージェントが正しい軌道にいることを意味するものではない。本稿では,コーディングエージェントを単一の計画介入で操るフレームワークPAUSEを提案する。エージェントは、調査、バグ再現、テスト後の軌道進行の60%の中央値で、最初のソースコード編集に達する。 PAUSEは、その実行前にこの編集要求をインターセプトする。これは、学習したモニターを必要とせず、チェックポイントを検索せず、余分なモデルコールも必要としない(検索不要)。個別のPlannerがタスクと事前編集された書き起こしを読み出し、1つの修理計画を書き、同じエージェントであるExecutorがこの計画で再開し、そのコンテキストとワークスペースを保持する。 PAUSEは、記録されたトラジェクトリプレフィックスから、ライブ実行中、オフラインでオンラインに適用される。 SWE-bench Verified and SWE-bench Multilingual with two Executor and three agent harness。 Qwen3-coderをExecutorとして、GPT-5.6 SolをPlannerとして、オンラインステアリングはOpenHandsのVerifiedで16.8%、SWEエージェントのMultilingualで14.7%改善した。 SWEエージェントでは、PAUSEはルールトリガー付きアドバイザであるLivePlanを3.2%、Multilingualを3.7%で上回り、Plannerのコストの約11～15%でSICAの定期監督官に匹敵する。オフラインでは、PAUSEは検証されたタスクの35.4%を回復し、記録されたプレフィックスから再開すると再起動するよりもExecutorトークンが33-41%少ない。

関連論文リスト

Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models [87.94969284553706]
エンド・ツー・エンドのpass@$K$は、成功した振る舞いがベースモデルのディストリビューションにすでに現れるかどうかをテストする。コールドスタートからハーネスを駆動するために、ベースチェックポイントを必要としない3つのスクリーンを構築します。 3つの画面はいずれも、ポストトレーニング後のSWE-bench Verified pass@$1$と密接に一致して、コホートをランク付けする。
論文参考訳（メタデータ） (2026-10-07T17:37:19Z)
Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning [104.97890382020937]
エージェントメタ推論は,制御選択を明示的かつ構造化する推論時ハーネスである。ワーカーはタスクレベルの計算を実行し、コントローラは実行が確立したものを統合する。決定の間、コントローラはその全履歴を再生するのではなく、実行時のコンパクトな説明しか持たない。
論文参考訳（メタデータ） (2026-09-29T17:57:25Z)
RobustSGPO: Search-Space Control for Agent Harness Evolution [56.722805974785125]
我々は、要求された編集、構成、パッチのチェックを指定し、既存のスナップショットまたは保持スナップショットからの検索を継続するRobustSGPOを紹介した。我々は,120タスク,95ラン,7350の候補を用いて,AgentXブレインストーミングワークフローにおけるパーミッションスケジューリング,累積制御,タスクファミリー転送を評価した。
論文参考訳（メタデータ） (2026-09-09T03:00:03Z)
BekchiAI: Measuring, Observing, and Controlling LLM Agents in One Click [0.0]
本稿では,エージェントスキル測定のためのベンチマークであるBekchiAIと,ライブエージェントの監視と制御のためのプラットフォームについて紹介する。 BekchiAI-Platformは、デプロイされたエージェントのための補完的なWebベースの可観測性とコントロールレイヤであり、完全なトークンとテレメトリとリモート実行終了を提供する。
論文参考訳（メタデータ） (2026-08-27T09:30:08Z)
Online Monitoring and Corrective Steering of Programming Agents [8.287759436634767]
本稿では,LivePlanを用いて,その動作の非効率性やドリフトをリアルタイムで監視し,検出し,補正する。 LivePlanはアドバイスから判断を分離し、問題が検出された場合にのみ、ハイレベルで次のステップの修正のためにアドバイザLSMを参照する。バニラSWEエージェントと比較して、LivePlanは問題解決率を最大15.2%向上させる。
論文参考訳（メタデータ） (2026-08-07T01:54:52Z)
Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution [1.733151600403503]
大規模言語モデル(LLM)エージェントは、ますます多段階のエンジニアリングと情報処理を自動化する。彼らはしばしば、最大コンテキストファーストの戦略に従い、ファイルや依存関係を読み取り、一行の編集を小さなコードベースの監査に切り替える。タスク対応型実行-スコープ推定の欠如を論じる。
論文参考訳（メタデータ） (2026-07-14T17:59:31Z)
To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program Repair [18.653708704742353]
実行には時間がかかり費用もかかるが、プログラム修復エージェントへの影響は未調査のままである。コード実行は分析されたすべてのエージェントとモデルで使用され、タスク毎に平均8.8のテスト実行が実行される。現在のエージェントは実行を無差別に適用し、ほとんど利益が得られないインスタンスにコストを支払う。
論文参考訳（メタデータ） (2026-06-25T12:49:59Z)
From Patches to Trajectories: Privileged Process Supervision for Software-Engineering Agents [56.31499185764872]
教師の長い軌道上の監督された微調整(SFT)は、オープンソフトウェアエンジニアリング(SWE)エージェントに調査と推論を浸透させる主要な方法である。本稿では,P2T (Patches-to-Trajectories) を提案する。P2T (Patches-to-Trajectories) は,P2T (Patches-to-Trajectories) において,P2T (Patches-to-Trajectories) とP2T (Patches-to-Trajectories) の2つの最適化法である。
論文参考訳（メタデータ） (2026-05-21T04:54:55Z)
Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。モデル、足場、ベンチマークにまたがる3次元解析を行う。私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
論文参考訳（メタデータ） (2025-10-13T22:22:28Z)
SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文参考訳（メタデータ） (2025-03-11T17:53:02Z)

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。