論文の概要: Precedent or Intent? What Coding Agents Follow When Evolving Existing Code
- arxiv url: http://arxiv.org/abs/2610.38244v1
- Date: Wed, 28 Oct 2026 03:50:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:09.948655
- Title: Precedent or Intent? What Coding Agents Follow When Evolving Existing Code
- Title（参考訳）: 先行的・初期的?既存のコードを進化させるとき、後続するコーディングエージェントは何か
- Abstract要約: 既存のコードは過去の実装決定を明らかにするが、その背景にある理由を説明することはめったにない。
コーディングエージェントは、既存のコードに従うべきか、新しいタスク命令に従うべきかをどうやって決めるのか?
本稿では,この課題を,目的リポジトリにおける双方向制御実験と,実世界のオープンソースリポジトリにおける検証を通じて検討する。
- 参考スコア（独自算出の注目度）: 3.888049001332045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing code reveals past implementation decisions but rarely explains the reasoning behind them. When coding agents implement new features or modify existing functionality, past decisions may conflict with new task instructions. This raises a fundamental question for agentic software evolution: when multiple implementations satisfy the same functional requirements, how do coding agents decide whether to follow existing code or new task instructions? We investigate this question through bidirectional, controlled experiments in purpose-built repositories, followed by validation in real-world open-source repositories. Our approach isolates three competing sources of guidance: (1) agents' default preferences, (2) repository precedents, and (3) explicit task instructions. We conduct 5,625 trials across four coding agents and six implementation pairs, with validation in four open-source repositories spanning three programming languages. We find that agents share the same default implementation choices, yet overwhelmingly follow repository precedent when it conflicts with those defaults (359/360 trials). Crucially, not all precedents carry equal influence: three supporting local files yield 96% adoption, compared with only 4% for sibling-resource files, and changing file placement alone can shift adoption from 0% to 100% at a fixed example count. When new task intent conflicts with existing code, written priority rules achieve substantially higher success than code examples alone (59/60 versus 38/60 joint successes for two agents on two implementation pairs). The effectiveness of explicit rules also extends to open-source repositories, where a harness-loaded rule raises joint success from 0/120 to 117/120. These findings motivate design-decision traceability that preserves not only implementation choices but also the rationale and priorities that should guide future changes.
- Abstract（参考訳）: 既存のコードは過去の実装決定を明らかにするが、その背景にある理由を説明することはめったにない。
コーディングエージェントが新機能の実装や既存機能の変更を行う場合、過去の決定は新しいタスク命令と矛盾する可能性がある。
複数の実装が同じ機能要件を満たしている場合、コーディングエージェントは既存のコードに従えばよいのか、それとも新しいタスク命令に従えばよいのか?
本稿では,この課題を,目的リポジトリにおける双方向制御実験と,実世界のオープンソースリポジトリにおける検証を通じて検討する。
提案手法は,(1)エージェントのデフォルト設定,(2)リポジトリの前例,(3)明示的なタスク指示という,競合する3つのガイダンス源を分離する。
4つのコーディングエージェントと6つの実装ペアで5,625のトライアルを実施し、3つのプログラミング言語にまたがる4つのオープンソースリポジトリで検証を行った。
エージェントは同じデフォルトの実装選択を共有していますが、それらのデフォルト(359/360トライアル)と矛盾するリポジトリの前例に圧倒的に従っています。
3つのローカルファイルをサポートすることで96%が採用され、兄弟リソースファイルの4%しか採用されていないのに対して、ファイル配置の変更だけでは、固定された例数で0%から100%に移行できる。
新しいタスク意図が既存のコードと矛盾する場合、記述された優先度ルールは、コード例単独よりもはるかに高い成功(59/60対38/60対2のエージェントで共同成功)を達成する。
明示的なルールの有効性は、ハーネスロードされたルールが0/120から117/120に共同で成功するように、オープンソースリポジトリにも拡張されている。
これらの発見は、実装の選択だけでなく、将来の変更を導くための合理的かつ優先順位も保持する設計-決定トレーサビリティを動機付けます。
関連論文リスト
- FeatureArc: Benchmarking Coding Agents on Evolving Features [9.803830098681557]
機能の進化には、エージェント自身の以前のコードで連続した拡張を評価する必要がある。
進化する機能のコーディングエージェントを評価するためのFeatureArcと、リポジトリ履歴からタスクを構築するパイプラインを紹介します。
論文 参考訳（メタデータ） (2026-10-27T15:45:50Z) - Correct Code, Broken Contributions? SWE-CC: Benchmarking Repository Policy Compliance for Coding Agents [4.76732345735451]
自律型ソフトウェア工学におけるコードとプロセスコンプライアンスを評価するベンチマークであるSWE-CCを紹介する。
私たちは、12のオープンソースリポジトリにまたがる開発者ドキュメントを823のマシンチェック可能なアトミックポリシーに変換する半自動パイプラインを開発しています。
我々は、SWE-bench Verifiedから拡張された500のエンドツーエンドソフトウェアコントリビューションタスクにおけるエージェントのコンプライアンスを評価する。
論文 参考訳（メタデータ） (2026-10-05T12:08:33Z) - WideSWE: Can Coding Agents Coordinate Changes Across Repositories? [26.071091542185957]
クロスリポジトリタスクにおける符号化エージェントの評価にWideSWEを導入する。
103のソフトウェアエコシステムにおける変更のマイニングとレビューは120の実際のタスクをもたらし、60のバグ修正と60の機能のバランスをとる。
完全なタスク成功は10.83%から42.50%の範囲で、設定ペアのCodex CLIとGPT-5.6-solが最高速度を達成している。
論文 参考訳（メタデータ） (2026-09-27T09:02:49Z) - 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) - CodeMidas: Scaling Agentic Coding RL Environments from Code Itself [55.204742661138745]
強化学習(RL)による有能な符号化エージェントの訓練には、信頼性のある検証器による多様なタスクが必要である。
オープンソースはそのようなタスクの豊富なソースを提供するが、既存のメソッドは通常、問題やコミットのような開発成果物に依存している。
我々は,既存の実装機能を,ソースコードを唯一のタスク固有の入力として使用して実行可能なRL環境に変換するエージェントパイプラインであるCodeMidasを紹介する。
論文 参考訳（メタデータ） (2026-09-18T17:55:17Z) - Vero: Can AI Agents Build Formally Verified Software Repositories? [45.09790101960906]
Veroはリポジトリレベルで共同実装と証明を評価する最初のベンチマークである。
Python、Dafny、Verus、Coqにまたがる実世界のリポジトリから43のマルチモジュールインスタンスが含まれている。
ベンチマークの信頼性を改善するため、Veroには、エージェントが提供された仕様の不満足さを正式に証明できる監査メカニズムも含まれている。
論文 参考訳（メタデータ） (2026-08-13T17:41:27Z) - Do Context Files Help Coding Agents? A Two-Agent Ablation Study on Real Repositories [0.0]
永続コンテキストファイル(AGENTS.md, CLAUDE.md)は、AIコーディングエージェントを誘導する標準的な慣行であるが、それらの効果の証拠は矛盾している。
我々は2つのフロンティアエージェント(Claude Code と Codex)間のコンテキスト注入戦略の制御されたアブレーションを示す。
論文 参考訳（メタデータ） (2026-07-28T11:07:53Z) - BUILD-AND-FIND: An Effort-Aware Protocol for Evaluating Agent-Managed Codebases [0.0]
BUILD-AND-FINDは、下流エージェントが生成されたリポジトリから意図した選択を復元できるかどうかを評価するプロトコルである。
各タスクに対して、ビルダーは隠されたリポジトリの仕様を見て、仕様に書かれた複数選択の質問バンクを作成します。
このプロトコルは、行動の正しさをアーティファクト側のリカバリから切り離し、リカバリの正確性、再現性、実装のカバレッジ、検査の労力を報告します。
論文 参考訳（メタデータ） (2026-05-07T12:35:27Z) - 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) - ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。
それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。
評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
論文 参考訳（メタデータ） (2026-04-05T17:55:23Z)
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。