論文の概要: Stratum: Repository Memory for Coding Agents Beyond the Context Window

• arxiv url: http://arxiv.org/abs/2610.36153v1
• Date: Mon, 26 Oct 2026 18:53:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.406049
• Title: Stratum: Repository Memory for Coding Agents Beyond the Context Window
• Title（参考訳）: Stratum: コンテキストウィンドウを越えたコーディングエージェントのためのリポジトリメモリ
• Abstract要約: コーディングエージェントは永続的でエクスペリエンスに配慮したリポジトリメモリを必要とする。 Stratum はレポジトリと連携して動作し,ページセーフなツールを通じて機能する,階層型メモリです。
• 参考スコア（独自算出の注目度）: 3.803192494208352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Context windows have grown a thousand-fold, yet coding agents still start every session with no memory of their past work. They re-read files, retry failed approaches, and forget root causes they established hours earlier. This is not a context-length problem but a memory-architecture problem. Our hypothesis: coding agents need persistent, experience-aware repository memory, so that knowledge survives from one session to the next. Three measurements on real repositories motivate the design. First, mid-size projects already exceed the largest production context windows, and storing knowledge inside the model's key-value (KV) cache costs $10^4$ to $10^5$ times more bytes than storing it as indexed text. Second, across 752 real bug-fix commits, the median fix edits two files, and these files plus their direct imports amount to less than 10% of the repository; the bottleneck is selection, not capacity. Third, even with transitive import reachability and test links, 47% of co-edited file pairs remain structurally disconnected; the knowledge needed for selection must be mined from history and experience. We sketch Stratum, a tiered memory that lives with the repository and serves it through page-safe tools: every response states what was returned, what remains, and what it cost. Retrieval over a store of one million nodes takes 1.7 ms at the median. In a multi-session experiment on eight real bugs, a fresh agent that inherited a prior session's memory, written by a different model, identified the root-cause file in 21 of 24 trials versus 6 of 24 for a retrieval-only baseline (Fisher $p<10^{-4}$), at 4.5x lower median token cost. With the notes of all eight investigations pooled in one store, success remained 8/8.
• Abstract（参考訳）: コンテキストウィンドウは数千倍に成長したが、コーディングエージェントは過去の作業のメモリなしでセッションを起動する。 彼らはファイルを読み直し、失敗したアプローチを再試行し、数時間前に確立したルート原因を忘れた。 これは文脈長の問題ではなく、メモリアーキテクチャの問題である。 私たちの仮説:コーディングエージェントは永続的で経験に富んだリポジトリメモリを必要とするため、知識は1つのセッションから次のセッションまで存続する。 実際のリポジトリに関する3つの測定が設計を動機付けている。 まず、中規模のプロジェクトは、既に最大の生産コンテキストウインドウを超えており、モデルのキーバリュー(KV)キャッシュに知識を保存するのに、インデックス付きテキストとして保存するよりも10^4$から10^5$のコストがかかる。 第二に、752の実際のバグフィックスコミットにおいて、中央の修正は2つのファイルを編集し、これらのファイルとそれらの直接インポートはリポジトリの10%未満である。 第3に、過渡的なインポートの到達性とテストリンクであっても、共編集されたファイルペアの47%は構造的に切断され、選択に必要な知識は歴史と経験から掘り下げられなければならない。 Stratum はレポジトリと連携して動作し、ページセーフなツールを通じて機能します。 100万のノードのストア上の検索は、中央値で1.7msである。 8つの実際のバグに対するマルチセッション実験では、異なるモデルで書かれた前のセッションのメモリを継承した新しいエージェントが、検索専用ベースライン(Fisher $p<10^{-4}$)に対して、21の試験でルート原因ファイルを24の試験で特定した。 8件の調査ノートが1店舗にまとめられたが、成功は8/8にとどまった。

関連論文リスト

• MemDev-Bench: Does Memory Help Code Agents?Benchmarking Memory Systems over Real Repository Histories [51.50022165666403]
  本稿では,メモリシステムがさまざまなリポジトリ履歴に対してコードエージェントに与える影響を評価するためにMemDev-Benchを提案する。 MemDev-Benchをベースとして,メモリシステムの系統的評価を行った。
  論文  参考訳（メタデータ） (2026-10-20T02:39:26Z)
• Multimodal Filesystem Memory For Long-Horizon Embodied Agents [54.82315140171704]
  エージェントメモリの補完型を保持するマルチモーダルメモリアーキテクチャである textbfMFM を提案する。 MFMは検索可能なテキストレコードを使用して、異なる表現を基礎となるマルチモーダルエピソードに接続する。 長い水平マインクラフトとコンピュータ使用タスクの場合、MFMは3つのベースモデルで性能を向上させる。
  論文  参考訳（メタデータ） (2026-10-15T21:56:00Z)
• VibeMemBench: Evaluating Memory Systems for Coding Agents on Real Repository Coding Tasks [74.71365175490853]
  我々は90のSWE-rebench V2レポジトリから111のコーディングターゲットのメモリシステムを評価するベンチマークであるVibeMemBenchを紹介する。 ターゲットはSWEベンチマークスタイルに従い、バグ修正、機能要求、インターフェースの変更、設定作業をカバーする。 ダイレクトインジェクションは、4つのタスクの解像度を1.1から4.5ポイント引き上げ、エージェントステップを5つに下げる。しかし、4つの既存のメモリシステムが同じ履歴から経験を構築・取得しなければならない場合、12のソルバのうち11のシステムペアリングは一致したメモリオフベースラインを超えない。
  論文  参考訳（メタデータ） (2026-09-20T11:44:03Z)
• Agent Zero Memory: Provenance-Aware Long-Term Memory for LLM Agents [3.6666917625778193]
  Agent Zero Memory(エージェントゼロメモリ)は、長期記憶システムである。 ユーザの会話、ファイル、接続されたソースを3つの並列メモリシステムに消去する。
  論文  参考訳（メタデータ） (2026-08-30T06:55:59Z)
• Filesystem-Based Memory for LLM Agents: Organization, Evolution, and Sustainability [49.415740364852105]
  デプロイされたエージェントは、エージェント自身がジェネリックファイルツールを通じて読み込み、書き込み、再編成するマークダウンファイルのディレクトリツリーとして、長期記憶をますます保持する。 以前のシステムではメモリ表現を設計し、それらを検索し、デフォルトの2つの動作仮定を未検証のまま残した。 LLMエージェントのためのチャンクベースメモリの最初の体系的探索を行う。
  論文  参考訳（メタデータ） (2026-07-29T08:59:43Z)
• A Graph-Native Bitemporal Memory Store for Conversational AI Agents [0.0]
  HNSWベクトルインデックスとフルバイテンポラルデータモデルで拡張したエージェントローカルなNeo4jプロパティグラフについて述べる。 各メモリは、2つの閉時間間隔を持つバージョニングされたコンテンツノードにリンクされた不変のアイデンティティノードとして格納される。 このシステムは,長期記憶を強調するために設計された6つの質問タイプにまたがる500クエストベンチマークであるLongMemEvalで評価する。
  論文  参考訳（メタデータ） (2026-07-29T06:40:52Z)
• Keep It InMind: Benchmarking the Implicit-Association Blind Spot in Agent Memory [32.094723684433895]
  長期記憶システムは、ユーザが外部ストアで言ったことを格納し、関連するクエリが到着したときにそれを検索する。 このインターフェースは、非常に自然な仮定に基づいており、滅多に述べられません:必要なメモリは、それを必要とするクエリに似ているでしょう。 この障害モードを暗黙の連想盲点と呼び、10つの生命ドメインにまたがるベンチマークであるInMindを紹介します。
  論文  参考訳（メタデータ） (2026-07-27T12:42:12Z)
• PROJECTMEM: A Local-First, Event-Sourced Memory and Judgment Layer for AI Coding Agents [0.4779196219827507]
  我々は、AIコーディングエージェントのためのオープンソースのローカルファーストメモリおよび判断層であるProjectmemを紹介する。 Projectmemは、型付きイベントの追加専用、プレーンテキストイベントログとして開発を記録する。 私たちはこれをMemory-as-Governance(メモリ・アズ・Governance: エージェントに応答するだけでなく、次のアクションに作用するメモリ)としてフレーム化します。
  論文  参考訳（メタデータ） (2026-06-10T17:02:56Z)
• Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution [52.76038908826961]
  我々は静的ストレージと動的推論のギャップを埋めるため、$textbfReMe$ ($textitRemember Me, Refine Me$)を提案する。 ReMeは3つのメカニズムを通じてメモリライフサイクルを革新する: $textitmulti-faceted distillation$, きめ細かい経験を抽出する。 BFCL-V3とAppWorldの実験では、ReMeが新しい最先端のエージェントメモリシステムを確立している。
  論文  参考訳（メタデータ） (2025-12-11T14:40:01Z)
• Agentic Learner with Grow-and-Refine Multimodal Semantic Memory [50.81667005063605]
  ViLoMemは、コンパクトなスキーマベースのメモリを構築するデュアルストリームメモリフレームワークである。 視覚的障害パターンと論理的推論エラーを符号化し、MLLMが成功し失敗した経験から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2025-11-26T18:55:08Z)

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。