論文の概要: Spine: Compiling Subtask Trees into Structured Context for Long-Horizon Coding Agents

• arxiv url: http://arxiv.org/abs/2610.37224v1
• Date: Tue, 27 Oct 2026 13:33:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.641037
• Title: Spine: Compiling Subtask Trees into Structured Context for Long-Horizon Coding Agents
• Title（参考訳）: Spine:長期符号化エージェントのためのサブタスクツリーを構造化コンテキストにコンパイルする
• Abstract要約: Spineは、モデルコンテキストとサブタスクのネストと補完を一致させるインターフェイスとランタイムです。 SpineTreeは、永続的なツリー記録サブタスク関係、ローカルインタラクション、完了状態、返却結果であるSpineTreeでの実行を組織する。 Gemini 3.8 FlashとQwen 3.8 27Bで、SWE-Milestone Scoreを9.5-17.5%改善し、ProgramBenchテストパスの平均は4.3-8.7%改善しました。
• 参考スコア（独自算出の注目度）: 11.833347143200273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon coding tasks contain nested subtasks. Typically, agents record interactions sequentially into a growing history, causing context inflation and performance degradation. Compressing or trimming the history without explicit subtask boundaries can discard information needed by unfinished subtasks. Conversely, recursive subagent delegation isolates completed subtasks through child agents by assigning every subtask boundary to delegation, which conflates subtask granularity with executing agent choice, adding execution and coordination overhead. We introduce Spine, an interface and runtime that align model context with subtask nesting and completion. An agent declares explicit subtask boundaries through work scopes, allowing the same agent to execute nested subtasks inline while reserving delegation for independent parallel tasks. The runtime organizes execution in SpineTree, a persistent tree recording subtask relations, local interactions, completion states, and returned results. Before each model call, it compiles the tree into model context just in time, retaining unfinished subtasks' interactions and replacing completed subtasks' details with their results, while preserving prefix-cache reuse. We integrate Spine into Codex to build SpineCodex. With GPT-5.6 Sol, compared with native Codex, SpineCodex improves SWE-Milestone Score by 11.8% while reducing total cost by 32.4%, improves the average ProgramBench test-pass rate by 17.3%, and improves Mean@5 on eight of the ten evaluated FrontierSWE tasks. On SWE-Milestone, it also achieves a comparable Score to Recursive Subagent at 73.7% lower total cost. We also integrate Spine into Pi through a reusable software package: with Gemini 3.8 Flash and Qwen 3.8 27B, it improves SWE-Milestone Score by 9.5-17.5% and the average ProgramBench test-pass rate by 4.3-8.7% compared with native Pi.
• Abstract（参考訳）: 長距離符号化タスクはネストしたサブタスクを含む。 通常、エージェントは相互作用を時系列に記録し、コンテキストインフレーションとパフォーマンス劣化を引き起こす。 明示的なサブタスク境界なしに履歴を圧縮またはトリミングすることで、未完成のサブタスクに必要な情報を破棄することができる。 逆に、再帰的なサブエージェントデリゲートは、すべてのサブタスク境界をデリゲートに割り当てることで、完了したサブタスクを子エージェントを通じて分離する。 Spineは、モデルコンテキストとサブタスクのネストと補完を一致させるインターフェイスとランタイムです。 エージェントは作業スコープを通じて明示的なサブタスク境界を宣言し、独立した並列タスクのデリゲートを保持しながら、同一エージェントがネストしたサブタスクをインラインで実行できるようにする。 ランタイムは、サブタスク関係、ローカルインタラクション、完了状態、返却結果を記録した永続的なツリーであるSpineTreeで実行を整理する。 各モデルコールの前に、ツリーをモデルコンテキストにコンパイルし、未完成のサブタスクのインタラクションを保持し、完了したサブタスクの詳細を結果に置き換えると同時に、プレフィックスとキャッシュの再利用を保存する。 私たちはSpineをCodexに統合し、SpineCodexを構築します。 GPT-5.6 SolをネイティブのCodexと比較すると、SpineCodexはSWE-Milestoneスコアを11.8%改善し、総コストを32.4%削減し、ProgramBenchテストパスレートを17.3%改善した。 SWE-Milestoneでは、Score対Recursive Subagentを73.7%のコストで達成している。 Gemini 3.8 FlashとQwen 3.8 27Bで、SWE-Milestone Scoreを9.5-17.5%改善し、ネイティブのPiと比較して平均ProgramBenchテストパスレート4.3-8.7%改善しました。

関連論文リスト

• LeafSkill: Efficient Leaf-Level Action Grounding for Recursive LLM Agents [4.302202471203803]
  ハイレベルプランニングはタスク固有のものだが、リーフレベルのアクショングラウンドはタスク全体にわたって再帰する。 セマンティックな接地体験を検索する外部再利用層であるLeafSkillを紹介した。 200のRobotouilleタスクの独立した確認セットで、LeafSkillは137タスクを完了し、ReCAPは121タスクを完了した。
  論文  参考訳（メタデータ） (2026-10-23T09:38:15Z)
• LAGO: Language Agents with Reusable Growing Options [39.6238385436553]
  LAGOは、特殊言語エージェントを時間的に拡張された再利用可能なオプションとして扱う。 メタエージェントは永続ライブラリからオプションを検索するか、新しいものを生成し、サブタスクをディスパッチし、結果を検証し、新しいオプションを成功させる。
  論文  参考訳（メタデータ） (2026-10-14T09:12:47Z)
• TaReD: Tool-Aware Recursive Decomposition for Long-Horizon Tasks [84.95922754288466]
  エージェントは推論と外部システムと対話し、現実世界のタスクを完了するためのツールを組み合わせる。 機能的関係によってツールを階層構造に整理するツール認識分解を提案する。 実験の結果,提案手法は,比較ベースラインよりも最大40ポイント向上できることがわかった。
  論文  参考訳（メタデータ） (2026-10-08T05:25:14Z)
• Grounding Agent Memory: Environment-Probing Curation for Enterprise Agents [37.62160903348546]
  既存の非同期キュレーターエージェントを最小限に設定するデプロイメント互換拡張である環境保護キュレーションを導入する。 モデルの再トレーニングは不要で、タスクエージェント、レトリバー、メモリ表現、プロダクション書き込み権限は変わらない。 CLBenchでは、確率はパスレートを39%から73%、パスカウント報酬を8.60から22.60に引き上げ、クエリを8.8から4.7に下げる。
  論文  参考訳（メタデータ） (2026-09-10T04:06:16Z)
• SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
  再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。 4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
  論文  参考訳（メタデータ） (2026-09-02T07:31:18Z)
• Recursive Synthesis for Long-Horizon Terminal Tasks [50.39352383646813]
  Recursive Synthetic Terminal Tasks (RST) は、大規模に長期の端末エージェントタスクを構築するためのフレームワークである。 RSTは37,484個の合成端末エージェントタスクを1タスクあたり0.05ドルで生成する。 軌道の微調整により、Qwen3.5-27BとQwen3.5-122B-A10Bはターミナルベンチ2、ターミナルベンチハード、ロングホライゾンターミナルベンチで最大10ポイント改善される。
  論文  参考訳（メタデータ） (2026-08-05T23:24:26Z)
• Beyond Semantic Organization: Memory as Execution State Management for Long-Horizon Agents [18.30583250316923]
  LLMベースのエージェントは、相互依存的な決定によって、ますます長い水平タスクに取り組む。 既存のRAGとエージェントメモリシステムは、意味的類似性によって履歴を整理し、決定時にコンテンツ関連エントリを取得する。 MAGE(Memory as Agent-Guided Exploration)は,階層的な状態木にインタラクションを格納するアクティブな実行状態マネージャである。
  論文  参考訳（メタデータ） (2026-06-04T12:26:42Z)
• AgentSynth: Scalable Task Generation for Generalist Computer-Use Agents [60.881609323604685]
  Agent Synthはスケーラブルで費用効率のよいパイプラインで、高品質なタスクとトラジェクトリデータセットを自動的に合成する。 我々のパイプラインは1軌道あたりの平均コストが0.60ドルで、人間のアノテーションよりも桁違いに安い。
  論文  参考訳（メタデータ） (2025-06-17T05:46:52Z)

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。