論文の概要: Do Coding Agents Still Need a Debugger? Frontier-Model-Based Fault Localization at the Accuracy Ceiling
- arxiv url: http://arxiv.org/abs/2610.36015v1
- Date: Mon, 26 Oct 2026 17:20:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.389033
- Title: Do Coding Agents Still Need a Debugger? Frontier-Model-Based Fault Localization at the Accuracy Ceiling
- Title（参考訳）: コーディングエージェントはいまだデバッガを必要とするか?-フロンティアモデルに基づく高精度シーリングにおける故障位置決め
- Abstract要約: 610の単一ラインフォールトを144のLeetCodeDatasetソリューションにシードします。
動作保存変換の5つのレシピで、各障害プログラムを書き直します。
ツールがなければ、エージェントは98.2から99.9%のフォールトと96.7から99.9%のトランスフォーメーションプログラムをローカライズした。
- 参考スコア（独自算出の注目度）: 6.153594647758744
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: To localize a fault, a coding agent can reason from source code alone or use debugger assistance by running the program and stepping through it in an interactive debugger. While earlier agents struggled with static execution tracing and debugger operation, frontier LLMs have improved at both. Objective: We evaluate how accurately coding agents localize faults without tools across original and transformed programs, how much debugger assistance improves accuracy and at what cost, and how agents use it when optional. Methods: We seed 610 single-line faults into 144 LeetCodeDataset solutions and rewrite each faulty program with five recipes of behavior-preserving transformations. Agents based on Sol 6.1, Luna 6, and Qwen 3.8 localize each fault with no, optional, or encouraged debugger assistance. Results: Without tools, the agents localized 98.2 to 99.9% of faults in original and 96.7 to 99.9% in transformed programs, losing accuracy mainly where recipes restructured loops and conditions. Encouraged assistance removed 63% and 61% of Luna 6's and Qwen 3.8's remaining transformed errors (+2.1 and +1.3 percentage points) at 14.7 to 27.0 times the token use, while Sol 6.1 stayed at 99.9%. With optional assistance, Luna 6 and Qwen 3.8 still gained +1.5 and +1.3 points, though the agents used the interactive debugger in only 0.2 to 6.2% of runs. Conclusions: On short, precisely specified programs, current coding agents localize nearly all faults from source code alone, and debugger assistance removes most errors that remain. Given the choice, agents executed the program far more often than they stepped through it, yet kept most of the benefit.
- Abstract（参考訳）: バックグラウンド: 障害をローカライズするために、コーディングエージェントはソースコードのみから推論したり、プログラムを実行してインタラクティブなデバッガでステップスルーすることでデバッガアシストを使用することができる。
以前のエージェントは静的な実行トレースとデバッガ操作に苦労していたが、フロンティアのLLMはどちらも改善されている。
Objective: オリジナルプログラムやトランスフォーメーションプログラムにまたがるツールを使わずに,エージェントが障害をローカライズする正確なコーディング方法,デバッガアシストの精度とコスト,オプションで使用するエージェントの使い方を評価します。
メソッド: 144のLeetCodeDatasetソリューションに610の単一ラインフォールトをシードし、各障害プログラムを5つの振舞い保存変換のレシピで書き直します。
Sol 6.1、Luna 6、Qwen 3.8をベースとしたエージェントは、各障害をノー、オプショナル、あるいは推奨のデバッガアシストでローカライズする。
結果: ツールがなければ、元の欠陥の98.2から99.9%、トランスフォーメーションプログラムの96.7から99.9%が局所化され、レシピがループや条件を再構成する際の精度が低下した。
補助金はルナ6とクウェン3.8の残りの変換エラー(+2.1と+1.3のパーセンテージ)の63%と61%をトークン使用の14.7から27.0倍に除去し、ソル6.1は99.9%にとどまった。
オプションで、Luna 6 と Qwen 3.8 は +1.5 と +1.3 のポイントを獲得したが、対話型デバッガは 0.2 から 6.2% しか走らなかった。
結論: 簡単に言えば、現在のコーディングエージェントはソースコードだけでほとんどすべての障害をローカライズします。
この選択を前提に、エージェントはプログラムをステップするよりもずっと頻繁に実行したが、ほとんどの利益は維持した。
関連論文リスト
- Enforcing Code Reasoning in Agentic Scaffold for More Effective Issue Resolution [3.4251708067743127]
ReAsoningはReActベースのプログラミングエージェントの中心であるが、コードに対する理由と理由はまだ不明である。
4つのプログラミング言語にまたがる6つの単一およびマルチエージェントの足場から、7,955個の課題解決トラジェクトリについて検討する。
66.95%のトラジェクトリで12種類のコード推論を同定する。
論文 参考訳（メタデータ） (2026-10-16T17:16:28Z) - Can LLMs Fix It Without Code? Toward Automated Verification of No-Code Bug Fixes [1.4465033892011254]
ノーコード修正は、ユーザが設定を変更したり、すでに修正済みのバージョンにアップデートしたり、ワークフローを調整したりすることで、無効なバグレポートを解決します。
本研究では,大規模言語モデルによる実ブラウザ環境におけるコード修正生成能力を評価するための,自動実行ベースのパイプラインを提案する。
論文 参考訳（メタデータ） (2026-10-08T13:44:53Z) - ExecCritic: Learn to Test, Test to Improve for Coding Agents [68.42713285082912]
実行時のフィードバックは、コーディングエージェントを正しいリポジトリの修復に導くことができますが、テストが問題によって要求された振る舞いをキャプチャした場合のみです。
ExecCriticを導入し、テスト-検証-修正足場と、その中のトレーニングエージェントのためのロール固有の強化学習レシピを組み合わせる。
テストエージェントが独立してリポジトリネイティブなテストを生成し、フェイルクローズされたハーネスがそれらを調整して凍結し、リカバリエージェントがテストを変更することなく、ソースコードを実行フィードバックから修正する。
論文 参考訳（メタデータ） (2026-09-08T17:53:37Z) - StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents [55.650871465979066]
StateActはコードファーストでマルチエージェントのハーネスであり、この区別に基づいて構築されている。
そのメインエージェントは、コードを使用してプログラム状態と直接連携する。
専用のGUIサブエージェントは、必要ないくつかのサブゴールでスクリーンショットとクリックのインタラクションを処理する。
論文 参考訳（メタデータ） (2026-07-24T14:17:03Z) - 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) - Constraint-Guided Multi-Agent Decompilation for Executable Binary Recovery [47.704311990064554]
脱コンパイルは、セキュリティ分析、マルウェアのリバースエンジニアリング、レガシーソフトウェアメンテナンスに不可欠である。
マルチレベル制約誘導型デコンパイル(MCGD)により,デコンパイルされたコードを再実行可能なソースに変換するマルチエージェントフレームワークを提案する。
本フレームワークは,84～97%の再実行性を実現し,28～89ポイントのベースラインデコンパイラ出力を改善した。
論文 参考訳（メタデータ） (2026-04-27T01:28:11Z) - Clover: A Neural-Symbolic Agentic Harness with Stochastic Tree-of-Thoughts for Verified RTL Repair [5.67664197679672]
Cloverは、コード操作に関する構造化された検索としてRTL修復をオーケストレーションし、バグに対する検証済みのソリューションを探索する。
Cloverは96.8%のバグを固定時間内に修正し、従来のLLMベースのベースラインよりも94%と63%多いバグをカバーしている。
論文 参考訳（メタデータ） (2026-04-19T07:04:49Z) - A Unified Debugging Approach via LLM-Based Multi-Agent Synergy [39.11825182386288]
FixAgentはマルチエージェントのシナジーによる統合デバッグのためのエンドツーエンドフレームワークである。
1.25$times$ 2.56$times$レポレベルのベンチマークであるDefects4Jのバグを修正した。
論文 参考訳（メタデータ） (2024-04-26T04:55:35Z)
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。