論文の概要: How Do Small Coding Agents Use Code Graphs and Embeddings?

• arxiv url: http://arxiv.org/abs/2610.33958v1
• Date: Sun, 25 Oct 2026 00:16:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.49245
• Title: How Do Small Coding Agents Use Code Graphs and Embeddings?
• Title（参考訳）: スモールコーディングエージェントはコードグラフと埋め込みをどのように利用するか?
• Abstract要約: コードエージェントは、リポジトリの構造がモデルに欠けているものであり、ツールが提供してくれるという前提で、埋め込み検索とコードグラフツールが与えられます。 我々は、SWEのみの精度を小さなオープンウェイトモデルで検証する。 小型のエージェントは、リポジトリの1本足で、主にレキシカルな画像を持ち込み、使用中である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coding agents are given embedding search and code-graph tools on the premise that a repository's structure is something the model lacks and the tool supplies. We test that premise on SWE-bench Verified with small open-weight models, stratifying tasks by a deterministic hop depth (the shortest code-graph path from code the issue mentions to code the gold patch changes) that a companion paper defines and validates. First, we ablate a localization agent's tool set (grep only; +embedding search; +graph tools; all) on a depth-balanced 160-task split and on all 500 tasks for ten models (six Qwen3 sizes from 0.6B to 32B with five decodings each, an FP8 control, three Gemma 4 sizes; 79k episodes). Structured tools double grep-only accuracy for Qwen3-8B and Gemma 4 E4B; their gain peaks at 17-21 points at 1.7-4B and falls to 4-5 points at 32B (odds ratio 0.77-0.82 per doubling of parameters). From 8B up, about half of that gain is the form of the submission rather than finding the target; the fall from 14B to 32B is a fall in tool uptake at equal grep-only accuracy; and the same 4B size gains or does not gain from a tool depending on the checkpoint. Each extra hop multiplies the odds of correct localization by 0.50-0.67 at every size, and no tool set flattens that gradient: traces show the graph tools' gain is name lookup at hop 0 and one expansion at hop 1, and agents chain expansions in only 12-14% of episodes. A fixed repair model resolves 6-13 of 160 tasks from these localizations (oracle 26). Second, linear probes find direct call edges decodable under a within-anchor, degree-stratified protocol (AUC 0.74; 0.61-0.66 inside agent conversations), but below a lexical baseline (0.99), with two-hop edges at 0.57. Small agents carry a one-hop, largely lexical picture of their repository, in weights and in use. We release the agent, probes, logs and traces.
• Abstract（参考訳）: コードエージェントは、リポジトリの構造がモデルに欠けているものであり、ツールが提供してくれるという前提で、埋め込み検索とコードグラフツールが与えられます。 我々は、SWE-benchの前提を小さなオープンウェイトモデルで検証し、決定論的ホップ深さ(問題のコードからゴールドパッチ変更のコードに言及するコードから最短のコードグラフパス)によってタスクを成層化します。 まず、深度バランスの160タスクスプリットと10モデルの500タスクすべて(Qwen3サイズは0.6Bから32B、それぞれ5つのデコード、FP8コントロール、3つのGemma 4サイズ、79kエピソード)について、ローカライゼーションエージェントのツールセット(gep only; +embedding search; +graph tools; all)を集計する。 構造ツールの精度はQwen3-8BとGemma 4 E4Bの2倍であり、ゲインピークの17-21ポイントは1.7-4Bで、32Bの4-5ポイントに低下する(パラメータの倍率は0.77-0.82)。 8B以上では、その利得の約半数が目標を見つけるのではなく提出の形式であり、14Bから32Bへの転落は、同等のグリープのみの精度でツールの取り込みの低下であり、同じ4Bサイズがチェックポイントに応じてツールから得ているか、得ていない。 トレースは、グラフツールのゲインがホップ0とホップ1の1つの拡張であることを示しているが、エージェントチェーン拡張はエピソードの12-14%に過ぎなかった。 固定修理モデルは、これらのローカライゼーションから160タスクのうち6-13を解決する(オークル26)。 第2に、線形プローブは、直接呼出エッジをアンカー内層プロトコル(AUC 0.74; 0.61-0.66 in agent conversation)で復号できるが、2ホップエッジは 0.57 である語彙ベースライン (0.99) 以下である。 小さめのエージェントは、そのリポジトリの、重みと使用時の、一本足で、概ね語彙的な画像を運ぶ。 エージェント、プローブ、ログ、トレースを解放します。

関連論文リスト

• Beyond Pattern Matching in 3D MLLMs: Part-Level Functional Reasoning for Generalizable Recognition [54.603165239409925]
  3D MLLMはパターンマッチングによってオブジェクトを認識するが、これは幾何学的に類似したオブジェクトが不明瞭に機能的推論を必要とする場合に失敗する。 関数・アズ・アノテーション・パターンを同定し、関数言語は推論をサポートする代わりに既知のアイデンティティをデコレートする。 部分レベルの機能的推論はより一般化可能な3D認識への効果的な経路である。
  論文  参考訳（メタデータ） (2026-10-23T07:17:23Z)
• S-Agent 2.0: Spatial Reasoning with a General Coding Agent [59.2328139329164]
  本稿では,S-Agent 2.0を提案する。S-Agent 2.0は,市販の汎用符号化エージェントにコマンドライン認識ツールキットを装備する空間推論エージェントである。 この設計では、コーディングエージェントの完全な柔軟性が保たれており、ツールのジオメトリに基盤が置かれている。 MMSI-Bench と ReVSI では、このツールキットは強力なオープンソースモデル Qwen3.8-27B を、ツールなしで同じエージェント上で +13.9 と +20.5 で改善し、強力なクローズドソースモデル Gemini-3.8-Flash を+11.2 と +9.6 で改善した。
  論文  参考訳（メタデータ） (2026-10-20T15:20:00Z)
• Locate, Judge, Read: Role-Specialized Tool Agents over a Knowledge-Point Index for Open-Domain Multimodal Document QA [0.0]
  KnowForgeは、検索のみが可能なハイブリッド検索のナレッジポイントインデックスとロケータエージェントである。 Deep Readerエージェントはテキスト、画像、テーブルのみを読み取ります。 KnowForgeは完全なオープンドメインM3DocVQAでF1 47.5に達する。
  論文  参考訳（メタデータ） (2026-10-09T07:21:36Z)
• Agora: Git as Shared Memory for Collective AutoResearch [54.31992252587096]
  別々のセッションで作業する調査エージェントは、他の人が試したことと、構築可能な結果を知る必要がある。 各コミットは結果、洞察、仮説、検証、報告を記録し、それを以前の作業とリンクする。 約12日間に渡り,13人の言語モデル労働者がアゴラを重み移動問題の解決に利用したことを報告した。
  論文  参考訳（メタデータ） (2026-09-16T04:00:54Z)
• Joint Optimization of Tool Creation and Use for Large Language Model Agents [69.07066297088187]
  SMITH (-grounded Multi-task Iterative Tool Honing) は、単一のポリシー内でツールの作成とツールの使用を訓練する。 SMITHで訓練された4B Qwen3は、正確に検証された13の手続き的推論タスクで、保持されたタスクで平均79.8のマクロ平均精度に達する。 また、TabMWP-Hardでは40.4、ドメイン外のGQAでは42.6に到達している。
  論文  参考訳（メタデータ） (2026-08-25T13:59:34Z)
• AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents [83.37969790806069]
  LLMエージェントのエラーは、エラーが表面化するステップが原因ではないことが多いため、デバッグが難しい。 Agent DebuggerXはオープンソースのフレームワークで、デバッグをDe Detect, Attribute, Recover, Rerunのクローズドループとして整理する。 コアとなるDeep Debuggerは、グローバルな軌跡理解を通じてマルチターン根本原因診断を行う。
  論文  参考訳（メタデータ） (2026-07-21T06:21:13Z)
• 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)
• Tool Calling is Linearly Readable and Steerable in Language Models [7.851713181228514]
  ツール呼び出しエージェントが間違ったツールを選択すると、実行まで失敗は見えない。 Gemma 3、Qwen 3、Qwen 2.5、Llama 3.1の12の命令調整モデルを使用します。 選択したツールの同一性は、モデル内で線形で、管理可能であることが分かりました。
  論文  参考訳（メタデータ） (2026-05-08T16:47:08Z)
• The Amazing Agent Race: Strong Tool Users, Weak Navigators [27.24330141815882]
  LLMエージェントの既存のツール使用ベンチマークは圧倒的に線形である。 The Amazing Agent Race (AAR) は、有向非巡回グラフパズル(または「レッグ」)とフォークマージツールチェーンを特徴付けるベンチマークである。 シーケンシャル(800脚)とコンポジション(600DAG脚)の2つの変種にまたがる1,400のインスタンスをリリースする。
  論文  参考訳（メタデータ） (2026-04-11T15:58:29Z)
• Squeez: Task-Conditioned Tool-Output Pruning for Coding Agents [0.8714519393367773]
  符号化エージェントは、次のステップで各観察のごく一部だけであっても、長いツール観察を繰り返し消費する。 タスク条件付きツールアウトプットプルーニングについて検討する: 集中クエリと1つのツールアウトプットが与えられたら、エージェントが次に検査すべき最小の動詞のエビデンスを返します。
  論文  参考訳（メタデータ） (2026-04-04T18:52:44Z)

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。