論文の概要: Speculative Forking: Turning Idle Wait into Parallel Exploration for Repository Environment Setup
- arxiv url: http://arxiv.org/abs/2610.33129v1
- Date: Fri, 23 Oct 2026 13:13:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.255013
- Title: Speculative Forking: Turning Idle Wait into Parallel Exploration for Repository Environment Setup
- Title（参考訳）: 投機的なフォーク: アイドルウェイトをリポジトリ環境構築のための並列探索に変換する
- Abstract要約: SpecBuildは、投機的なフォークを通じてより速く、よりうまく動作するように設計された環境設定システムである。
私たちはSpecBuild on Multi-Docker-Evalを評価し、40のリポジトリと9のプログラミング言語から334のタスクをカバーしています。
- 参考スコア（独自算出の注目度）: 25.55345250729798
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Before developers can use a software project, they must first get it to run. This often requires installing the right language runtime, system packages, build tools, and test commands. Recent LLM-based agents automate environment setup by inspecting a repository, writing setup scripts, running them, and repairing the resulting errors. However, these agents still follow a sequential trial-and-error loop: they try one setup route, wait for slow commands to finish, observe the failure, and only then decide what to try next. Because environment commands often take long to run, this sequential workflow makes setup slow and limits exploration to one route at a time. We present SpecBuild, an LLM-based environment setup system designed to be both faster and more successful through speculative forking. SpecBuild explores candidate setup branches in parallel, returns the first committed environment, and discards the rest. It applies this design at two granularities: strategy-level forking explores alternative setup routes, such as different base images and dependency policies, while command-level forking predicts failures of running commands and prepares repair branches before those failures are observed. We evaluate SpecBuild on Multi-Docker-Eval, covering 334 tasks from 40 repositories and 9 programming languages. Across three backbone models, SpecBuild improves the success rate by 6.4 to 12.0 percentage points over the strongest baseline, while reducing average setup time by 22.4% to 41.6%. These results show that LLM-based environment setup need not trade speed for reliability: parallel speculative exploration can make agents both faster and more successful.
- Abstract（参考訳）: 開発者がソフトウェアプロジェクトを使用する前に、まずそれを実行しなければなりません。
これはしばしば、適切な言語ランタイム、システムパッケージ、ビルドツール、テストコマンドをインストールする必要がある。
最近のLLMベースのエージェントは、リポジトリを検査し、セットアップスクリプトを書き、実行し、結果として発生するエラーを修復することで、環境設定を自動化する。
しかし、これらのエージェントは依然としてシーケンシャルなトライアル・アンド・エラーループに従っており、1つのセットアップルートを試し、遅いコマンドが終了するまで待ち、失敗を観察し、次に何を試すかを決める。
環境コマンドは実行に時間がかかることが多いため、このシーケンシャルなワークフローはセットアップを遅くし、探索を一度に1つのルートに制限する。
提案するSpecBuildは,LLMベースの環境設定システムであり,投機的フォークによってより高速かつより成功できるように設計されている。
SpecBuildは、候補設定ブランチを並列に探索し、最初のコミットされた環境を返却し、残りを破棄する。
戦略レベルのフォークは、異なるベースイメージや依存性ポリシなどの代替のセットアップルートを探索する一方で、コマンドレベルのフォークは、実行中のコマンドの障害を予測し、それらの障害が観測される前にブランチを修復する。
私たちはSpecBuild on Multi-Docker-Evalを評価し、40のリポジトリと9のプログラミング言語から334のタスクをカバーしています。
3つのバックボーンモデル全体で、SpecBuildは成功率を6.4から12.0ポイント改善し、平均設定時間を22.4%から41.6%削減した。
並列投機探索はエージェントを迅速かつより成功させる可能性がある。
関連論文リスト
- RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents [53.51359930826217]
真のデジタルワークには、端から端まで積み重ねるのではなく、両方をインターリーブする必要があります。
インターフェースを探索し、ソフトウェアを実装し、それらのアーティファクトを実行し、視覚的に検証するタイミングを自律的に決定するハイブリッドCUAについて研究する。
レクリエーションを中心に構築された5プラットフォームフレームワークであるRecreationWorldを紹介します。
論文 参考訳（メタデータ） (2026-09-18T17:00:56Z) - Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments [89.86581796261123]
それぞれの軌道を再利用可能な環境に変えるためのフレームワークである Terminal-Universe を紹介する。
Terminal-Universeは、トラジェクトリに記録されたファイル操作をリプレイして、エージェントが変更する前に各ファイルを復元し、部分的なワークスペースを生成する。
また、タスクは幅と深さの2つの軸に沿ってスケールします。
論文 参考訳（メタデータ） (2026-09-03T17:41:05Z) - ClawMark: A Living-World Benchmark for Multi-Turn, Multi-Day, Multimodal Coworker Agents [77.22389710754452]
マルチターンマルチデイタスクを中心に構築された同僚エージェントのベンチマークであるベンチを紹介する。
現在のリリースには、13のプロのシナリオにわたる100のタスクが含まれており、5つのステートフルなサンドボックスサービスに対して実行される。
最強のモデルは75.8の重み付きスコアに達するが、最も厳格なタスク成功率は20.0%に過ぎず、部分的な進歩が一般的であることを示している。
論文 参考訳（メタデータ） (2026-04-26T16:05:02Z) - HerAgent: Rethinking the Automated Environment Deployment via Hierarchical Test Pyramid [15.944450159856602]
環境設定の成功は、単一のバイナリ信号ではなく、実行可能なエビデンスによって評価されるべきである。
本稿では,実行環境を段階的に構築する自動環境設定手法であるHerAgentを提案する。
論文 参考訳（メタデータ） (2026-02-08T08:57:05Z) - PIPer: On-Device Environment Setup via Online Reinforcement Learning [74.52354321028493]
自動化された環境設定メソッドは、任意のリポジトリに対して、手作業なしで完全に構成された環境を提供することで、開発者を支援することができる。
近年の研究では、最先端のLarge Language Models (LLMs) でさえ、このタスクの自動化に限られた成功をおさめていることが明らかになっている。
我々は、正しいスクリプトを生成するための教師付き微調整と、環境設定のタスクに適応するために、Reinforcement Learning with Verifiable Rewards(RLVR)を組み合わせる。
EnvBench-Python では,より大型の Qwen3-32B や GPT-4 と同等に動作可能な Qwen3-8B (コンシューマハードウェア上で動作可能なモデル) を実現する。
論文 参考訳（メタデータ） (2025-09-29T20:03:05Z) - EnvBench: A Benchmark for Automated Environment Setup [76.02998475135824]
大規模言語モデルにより、研究者はソフトウェア工学領域における実用的なリポジトリレベルのタスクに集中できるようになった。
環境設定に関する既存の研究は革新的なエージェント戦略を導入しているが、その評価は小さなデータセットに基づいていることが多い。
このギャップに対処するため、包括的環境設定ベンチマークEnvBenchを紹介します。
論文 参考訳（メタデータ） (2025-03-18T17:19:12Z) - Repo2Run: Automated Building Executable Environment for Code Repository at Scale [10.143091612327602]
大規模なリポジトリに対して実行可能なテスト環境の構築を自動化するためのエージェントであるRepo2Runを紹介します。
Repo2RunはDockerイメージを反復的にビルドし、建物のフィードバックに基づいてユニットテストを実行し、Dockerfileを合成する。
結果のDockerfileを使用して、コードとテストを実行するDockerコンテナ環境を作成することができる。
論文 参考訳（メタデータ） (2025-02-19T12:51:35Z)
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。