論文の概要: CuraLoc: Repository-Level Fault Localization via Planned Code Inspection
- arxiv url: http://arxiv.org/abs/2610.31809v2
- Date: Mon, 26 Oct 2026 18:03:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.332941
- Title: CuraLoc: Repository-Level Fault Localization via Planned Code Inspection
- Title（参考訳）: CuraLoc: 計画コード検査によるリポジトリレベルのフォールトローカライゼーション
- Abstract要約: 本稿では,まず候補ファイルを選択し,そのシンボルをコンパクトな動作記述と構造記述を用いて表現するCuraLocを紹介する。
単一の計画決定では、モデルがスタートシンボルを共同で選択し、コード関係を選択してそれぞれの検査を行い、潜在的な編集について仮説を立てる。
本稿では,SWE-Bench Lite と Verified データセットに対する提案手法の有効性を示す。
- 参考スコア（独自算出の注目度）: 4.197499765642787
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A bug report describes what went wrong, but rarely where the code should change. Existing repository-level localization methods often let language models iteratively decide what code to inspect next, requiring repeated model calls and substantial token usage. We investigate whether these inspection decisions can instead be planned before source retrieval. In this research, we introduce CuraLoc, which first selects candidate files and represents their symbols using compact behavioral and structural descriptions. In a single planning decision, the model jointly selects starting symbols, chooses code relationships to inspect from each, and forms hypotheses about likely edits. Deterministic retrieval collects the requested source for a final ranking informed by those hypotheses, concentrating model reasoning on choosing and comparing code rather than directing each retrieval step. We demonstrate the efficacy of our proposed approach on the SWE-Bench Lite and Verified datasets. On SWE Bench Verified with GPT-5.2, CuraLoc raises Func@1 from LocAgent's 53.8% to 59.3% while using 90.3% fewer recorded tokens, and also outperforms RepoSearcher (56.2%) and Agentless (39.6%) on Func@1. On SWE-bench Lite, CuraLoc achieves a high 83.8% Func@5 accuracy improving on Agentless by more than 15% in relative accuracy. Additionally, CuraLoc supports different model backbones, with strong localization accuracy demonstrated using both GPT-5.2 and GPT-6 Astra. These results provide evidence that repository-level code inspection can be planned effectively without iterative model-controlled navigation.
- Abstract（参考訳）: バグレポートには何が問題になったのかが記述されているが、コードが変更されるべき場所はめったにない。
既存のリポジトリレベルのローカライゼーションメソッドでは、言語モデルが次にどのコードを検査するかを反復的に決定し、繰り返しモデルコールと相当量のトークン使用が必要になることが多い。
ソース検索に先立ってこれらの検査決定を計画できるかどうかを検討する。
本稿では,まず候補ファイルを選択し,そのシンボルをコンパクトな動作記述と構造記述を用いて表現するCuraLocを紹介する。
単一の計画決定では、モデルがスタートシンボルを共同で選択し、コード関係を選択してそれぞれの検査を行い、潜在的な編集について仮説を立てる。
決定論的検索は、各検索ステップを指示するのではなく、コードの選択と比較に関するモデル推論に集中して、これらの仮説によって通知された最終ランクの要求されたソースを収集する。
本稿では,SWE-Bench Lite と Verified データセットに対する提案手法の有効性を示す。
GPT-5.2で検証されたSWE Benchでは、CuraLocはFunc@1をLocAgentの53.8%から59.3%に引き上げ、記録トークンを90.3%減らし、RepoSearcher(56.2%)とAgentless(39.6%)をFunc@1で上回っている。
SWE-bench Lite では、CuraLoc は 83.8% の Func@5 の精度を実現し、Agentless の相対精度は 15% 以上向上した。
さらに、CuraLocは異なるモデルバックボーンをサポートしており、GPT-5.2とGPT-6 Astraを使用して、強い位置決め精度を実証している。
これらの結果は,反復的なモデル制御ナビゲーションを使わずに,リポジトリレベルのコード検査を効果的に計画できることを示す。
関連論文リスト
- Chronos Enables Code Agents to Reason over Software Evolution [11.152714012525072]
我々はChronosを紹介した。Chronosは、大規模な言語モデル(LLM)ベースのコードエージェントで、歴史的なプルリクエストを利用できるテストタイムフレームワークである。
Chronosはプルリクエストを構造化されたエクスペリエンスカードにマージし、コードレベル、開発者インテリジェント、組織関係の型付きグラフを通じてそれらを接続する。
論文 参考訳（メタデータ） (2026-10-08T09:31:37Z) - Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。
ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
論文 参考訳（メタデータ） (2026-10-08T08:26:46Z) - Cost-Effective Repository Exploration for Agentic Issue Localization [0.2715382584771446]
我々は、この段階を低価格モデルに委譲できるかどうか検討する。
我々は、早期の候補発見、トップ3のゴールドファイルカバレッジ、厳格なファイルセット回復、エージェント時間、トークン使用率を測定する。
高品質なエクスプローラーは、ローカライゼーションの指標を越えてリードするが、かなり安い運用ポイントが出現する。
論文 参考訳（メタデータ） (2026-08-30T09:16:33Z) - A Unified Issue Resolution Benchmark for Requirement Clarification, Planning, and Code Generation for Coding Agents [16.4855244145731]
SWE-RPGはリポジトリレベルのベンチマークで、実行可能パッチ評価と検証済みの地味な参照を組み合わせる。
SWE-RPGは、113のバグ修正と50の機能追加を含む、31のPythonとJavaリポジトリから163のタスクで構成されている。
Claude Code、Codex、OpenCodeを含む3つのコーディングエージェントを6つの大きな言語モデルバックエンドで評価します。
論文 参考訳（メタデータ） (2026-08-10T03:22:04Z) - 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) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - AgentFinVQA: A Deployable Multi-Agent Pipeline for Auditable Financial Chart QA [7.135926644099901]
我々はAgentFinVQAを提案する。AgentFinVQAはマルチエージェントパイプラインで、各クエリをプランニング、OCR、レジェンドグラウンド、ビジュアルインスペクション、検証に分解する。
FinMMEでは、AgentFinVQAはプロプライエタリなバックボーンを持つゼロショットベースラインにマッチするプライマリバックボーンよりも$+7.68$ ppを改善している。
誤り分析は、疑問の誤解、伝説の混乱、抽出誤りが失敗の3分の2近くを占めていることを示している。
論文 参考訳（メタデータ） (2026-06-18T04:33:07Z) - FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search [88.16262636915975]
FineVerifyはエージェント検索のためのきめ細かい自己検証フレームワークである。
各質問をチェック可能なサブクエストに分解し、サンプル候補を検証し、最も高い集計スコアの候補を選択する。
FineVerifyは、標準のスケーリングベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-30T10:21:20Z) - Automating Formal Verification with Reinforcement Learning and Recursive Inference [0.0]
我々はダフニーで検証可能な報酬(RLVR)と検証者誘導推論時間探索を用いてオープンソースモデルを訓練する。
固定ベースモデルでは、証明修正器を備えた完全な足場は、直接修理中の初期VeriCodingパイロットセットのパスレートを46.2%から69.2%に改善する。
Rust $texttcurve25519-dalek$検証プロジェクトから派生した,レポジトリスケールのLeanベンチマークであるDalek-Benchについても紹介します。
論文 参考訳（メタデータ） (2026-05-29T06:59:28Z) - Scaling Test-Time Compute for Agentic Coding [126.72747643609274]
本稿では,ロールアウト軌跡のコンパクトな表現に基づくエージェントコーディングのためのテスト時間スケーリングフレームワークを提案する。
当社のフレームワークは,各ロールアウトを,その健全な仮説,進捗,障害モードを保存する構造的な要約に変換する。
提案手法は,SWE-Bench Verified および Terminal-Bench v2.0 におけるフロンティア符号化エージェントの性能を一貫して改善する。
論文 参考訳（メタデータ） (2026-04-16T17:39:33Z) - VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。
セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。
平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
論文 参考訳（メタデータ） (2025-09-15T02:25:38Z)
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。