論文の概要: Stale Instruction Files Override the Code in Coding Agents: A One-Sentence Fix

• arxiv url: http://arxiv.org/abs/2610.30571v1
• Date: Thu, 22 Oct 2026 01:00:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.17994
• Title: Stale Instruction Files Override the Code in Coding Agents: A One-Sentence Fix
• Title（参考訳）: コーディングエージェントのコードを上書きする静的インストラクションファイル:一文修正
• Abstract要約: コーディングエージェントは、既存のコードに反する場合でもプロジェクトの命令ファイルに従う。 我々は、この振る舞いを測定し、ユーザーの命令ファイルの1つの文が代わりにエージェントにコードに従うかどうかをテストする。
• 参考スコア（独自算出の注目度）: 1.6787220460106658
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Coding agents follow a project's instruction file, such as CLAUDE.md or AGENTS.md, even when it disagrees with the existing code and even when they notice the disagreement. We measure this behaviour and test whether one sentence in the user's own instruction file makes agents follow the code instead. Methods: We built 40 Python projects in which the instruction file asks for one convention while the existing code uses another, for example print instead of logging. Claude Code and Codex CLI added a feature to each project, with and without a sentence in the user-level instruction file that gives the existing code precedence, in 320 runs. Results: Without the sentence, 90.1% of the agents' choices followed the stale file. Claude Code pointed out the conflict in 79 of 80 runs and still followed the file. Codex CLI rewrote the existing code to match the file in 20 of 80 runs, and the project's own tests then failed in 17 of them. The sentence raised the share of choices that follow the code from 4.2% to 91.4%, stopped the rewrites and raised the test pass rate from 89.4% to 100%. Conclusion: We attribute the behaviour to how agents receive the two sources: the instruction file reaches the model as an instruction and the code as tool output, which models are trained to rank lower. Users can add the sentence today, and makers of agents and models can build the same rule into their products.
• Abstract（参考訳）: 目的: CLAUDE.md や AgentS.md などプロジェクトの命令ファイルに従う。 我々は、この振る舞いを測定し、ユーザーの命令ファイルの1つの文が代わりにエージェントにコードに従うかどうかをテストする。 メソッド: インストラクションファイルがひとつのコンベンションをリクエストするのに対して、既存のコードはロギングの代わりにプリントを使用するような、40のPythonプロジェクトを構築しました。 Claude CodeとCodex CLIは、320回の実行で既存のコードに先行するユーザレベルの命令ファイルに文なしで、各プロジェクトに機能を追加した。 結果: 判決がなければ、エージェントの選択の90.1%が古いファイルに従っていた。 Claude Codeは80ラン中79ランの競合を指摘し、それでもファイルに従っている。 Codex CLIは80ラン中20ランでファイルにマッチするように既存のコードを書き直し、プロジェクト自身のテストは17で失敗した。 この文はコードに従う選択のシェアを4.2%から91.4%に引き上げ、書き直しを中止し、テストパス率を89.4%から100%に引き上げた。 結論: エージェントが2つのソースを受信する方法は、命令ファイルがインストラクションとしてモデルに到達し、コードをツール出力として実行し、モデルが下位にランク付けするように訓練されたことです。 ユーザーは今日、文章を追加でき、エージェントやモデルのメーカーは、自分たちの製品に同じルールを組み込むことができる。

関連論文リスト

• Specifying and Maintaining Agentic Workflows: An Empirical Study of GitHub Agentic Workflows [2.9773286961673637]
  GitHub Agentic Churns(gh-aw)は、個々のタスクのためのAIエージェントのプロンプトから、エージェントが自動的に実行する繰り返し作業の定義まで、ソフトウェア開発を可能にする。 276のリポジトリから1,248のファイル、20,841のコミットファイルイベント、および294のサンプルから288の解決された命令ラベルセットを分析した。 その結果、ワークフロー命令は短いプロンプトを超えて、62.1%のファイルで556.5ワードとコードブロックが中央値であることがわかった。
  論文  参考訳（メタデータ） (2026-09-23T02:47:24Z)
• 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)
• Refused in Chat, Written in Code: Workflow-Level Jailbreak Construction in IDE Coding Agents [20.975460502519677]
  Visual Studio CodeでGitHub Copilotを使用して、Claude Sonnet 4.6、Claude Haiku 4.5、Gemini 3.1 Pro、Gemini 3.5 Flashの4つのクローズドウェイトバックエンドを調査した。 204年にわたって、HammurabiのCode、HarmBench、AdvBenchからのプロンプトは、ダイレクトチャット、CSV-read、シングルステップのコード修正ベースラインの下でほぼ完全に拒否されている。 しかし、完全なワークフローでは、同じプロンプトとバックエンドが816/816の安全でない教示ショット補完を生成する。
  論文  参考訳（メタデータ） (2026-07-04T17:57:05Z)
• ProgramBench: Can Language Models Rebuild Programs From Scratch? [59.40748183470308]
  ProgramBenchは、ソフトウェアエンジニアリングエージェントがソフトウェアをホリシックに開発する能力を測定する。 エンドツーエンドの動作テストはエージェント駆動ファジィによって生成される。 モデルは、人間が書いたコードと大きく異なるモノリシックでシングルファイルの実装を好む。
  論文  参考訳（メタデータ） (2026-05-05T09:17:02Z)
• IFEvalCode: Controlled Code Generation [69.28317223249358]
  本稿では,Code LLMの命令追従能力を改善するために,前方および後方制約生成を提案する。 IFEvalCodeは、7つのプログラミング言語の1.6Kテストサンプルからなる多言語ベンチマークである。
  論文  参考訳（メタデータ） (2025-07-30T08:08:48Z)
• METAMON: Finding Inconsistencies between Program Documentation and Behavior using Metamorphic LLM Queries [10.9334354663311]
  本稿では,既存の検索ベーステスト生成技術を用いて,現在のプログラム動作をテストケース形式でキャプチャするMETAMONを提案する。 MeTAMONはこのタスクでメタモルフィックテストと自己整合性によってサポートされている。 Defects4J v2.0.1の5つのオープンソースプロジェクトを使って生成された9,482対のコードドキュメンテーションとコードスニペットに対する実証的な評価は、METAMONがコードとドキュメントの不整合を精度0.72、リコール0.48で分類できることを示している。
  論文  参考訳（メタデータ） (2025-02-05T00:42:50Z)
• CoCoMIC: Code Completion By Jointly Modeling In-file and Cross-file Context [82.88371379927112]
  予め訓練されたコード LM 上で,ファイル内コンテキストとファイル内コンテキストを協調的に学習するための,クロスファイルコンテキストを組み込んだフレームワークを提案する。 CoCoMICは既存のコードLMを33.94%の精度で改善し、クロスファイルコンテキストが提供されるとコード補完のための識別子マッチングが28.69%増加した。
  論文  参考訳（メタデータ） (2022-12-20T05:48:09Z)
• ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
  本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。 我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-03-15T08:25:08Z)

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。