論文の概要: When Relevant Code Is Wrong: Runtime-Aware Context for AI Coding Agents
- arxiv url: http://arxiv.org/abs/2610.38800v1
- Date: Wed, 28 Oct 2026 20:05:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 08:36:07.84623
- Title: When Relevant Code Is Wrong: Runtime-Aware Context for AI Coding Agents
- Title（参考訳）: 関連コードが間違っているとき - AIコーディングエージェントのランタイム対応コンテキスト
- Abstract要約: コーディングエージェントは、ソフトウェアの変更をガイドするために、検索されたコードと開発履歴にますます依存しています。
セマンティックな類似性も、参照性も、検索された情報がフィーチャーフラグやアーキテクチャ移行、デプロイメント固有の設定の下で適用可能であるかどうかを定めていない。
ソフトウェアエビデンスが実装決定を合法的に導くことができるかどうかを決定するために,運用コンテキストの妥当性,タスク,デプロイメント,時間に依存した基準を導入する。
- 参考スコア（独自算出の注目度）: 3.9184566647311
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI coding agents increasingly rely on retrieved code and development history to guide software changes. However, highly relevant artifacts may describe implementations that are inactive or incompatible with the target deployment. Neither semantic similarity nor recency establishes whether retrieved information remains applicable under feature flags, architectural migrations, and deployment-specific configurations. We challenge relevance-oriented retrieval by introducing operational context validity, a task-, deployment-, and time-dependent criterion for determining whether software evidence can legitimately guide implementation decisions. We instantiate this new retrieval principle in CASE, an agent-agnostic framework that connects repository artifacts with runtime configurations and architectural evolution, classifies evidence as valid, invalid, or unknown, and generates context packages distinguishing actionable guidance from historical rationale and unresolved constraints. We investigate its feasibility through a reproducible preliminary evaluation involving six development tasks, 15 artifacts, and three deployments. Conventional retrieval exposes 16 incompatible artifact occurrences as actionable, whereas CASE excludes them while retaining all applicable artifacts under the prototype's reference rules. Recency filtering reduces valid recall to 0.43, while removing feature-flag evidence from CASE reduces it to 0.13. Although these results demonstrate feasibility rather than improvements in coding-agent correctness, they reveal limitations of relevance-based retrieval and motivate a new research direction: enabling coding agents to reason not only about which information is relevant, but also whether it remains operationally valid.
- Abstract（参考訳）: AIコーディングエージェントは、ソフトウェアの変更をガイドするために、検索されたコードと開発履歴にますます依存している。
しかし、非常に関連性の高いアーティファクトは、ターゲットのデプロイメントと非アクティブで互換性のない実装を記述できる。
セマンティックな類似性も、参照性も、検索された情報がフィーチャーフラグやアーキテクチャ移行、デプロイメント固有の設定の下で適用可能であるかどうかを定めていない。
我々は,ソフトウェアエビデンスが実装決定を正当に導くことができるかどうかを判断するために,運用コンテキストの妥当性,タスク,デプロイメント,時間依存の基準を導入することで,関連性指向の検索に挑戦する。
私たちはCASEにおいて、リポジトリアーティファクトとランタイム構成とアーキテクチャ進化を結びつけるエージェント非依存のフレームワークをインスタンス化し、エビデンスを有効、無効、不明と分類し、歴史的根拠や未解決制約から行動可能なガイダンスを区別するコンテキストパッケージを生成する。
本研究では,6つの開発タスク,15のアーティファクト,3つのデプロイメントを含む再現可能な予備評価を通じて,その実現可能性について検討する。
従来の検索では16の非互換なアーティファクトが実行可能であり、CASEはプロトタイプの参照ルールの下で適用可能なアーティファクトをすべて保持しながらそれらを除外する。
Recency filtering は有効なリコールを 0.43 に減らし、CASE から特徴フラグエビデンスを取り除くことで 0.13 に減らした。
これらの結果は、コーディング・エージェントの正確性の向上よりも実現可能性を示しているが、関連性に基づく検索の限界を明らかにし、新しい研究の方向性を動機付けている。
関連論文リスト
- Reimagining Enterprise RAG for Multi-Agent Systems: A Knowledge Layer That Organizes Before It Retrieves [0.9420781649674955]
7エージェントのリバースエンジニアリングパイプラインが18サービスにわたる241リポジトリを数千のアーティファクトに処理した。
検索前に整理する知識層:自己記述カタログ、スパースメタデータレジストリ、アーティファクト上で定義されたナビゲーションハイパーグラフ。
開発者検証による100以上の製品欠陥の根本原因分析と解決をサポートし、特定のルールやサービスに対する35のリリース回帰失敗を報告した。
論文 参考訳（メタデータ） (2026-10-23T16:21:56Z) - EnactOpt: Diagnosis-Guided Harness Evolution for Embodied Agents [16.436363329468517]
基礎モデル上に構築されたエージェントは、観察を組織化し、アクションをガイドし、実行フィードバックをその後の決定に組み込むための実行ハーネスに依存している。
EnactOptは、限られた実行フィードバックを使って再利用可能なテキストスキルとコンテキストコンストラクションコードを共同で進化させ、基盤となるモデルとランタイムを固定します。
VLABench、ALFWorld、Embodied Agent Interface (EAI)全体で、EnactOptは初期ハーネスよりもタスク成功率を約10～27ポイント向上し、評価されたEPA、TextGrad、Trace2Skillベースラインを上回っている。
論文 参考訳（メタデータ） (2026-10-10T14:51:25Z) - TRACE: TRajectory Attribution for Automated Context Engineering [2.332848751256598]
本稿では,履歴エージェントのトラジェクトリをマイニングし,コンテキスト障害の診断と修正を行う自動フィードバックループTRACEを提案する。
モデルファインチューニングとは異なり、TRACEはコンテキスト層上で動作し、再トレーニングせずに迅速なイテレーションを可能にする。
3つの複雑性レベルにまたがる60の不満トレースでは、TRACEは72.7%の根本原因属性と82%のエンドツーエンドの修正効率を達成する。
論文 参考訳（メタデータ） (2026-08-10T06:01:03Z) - Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。
このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。
現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
論文 参考訳（メタデータ） (2026-08-03T15:07:46Z) - Beyond "What to Retrieve": Uncertainty in Retrieval-Augmented Code Generation [4.476374205849672]
リポジトリレベルのコード生成は、その関連性、互換性、完全性が本質的に不確実である不均一な証拠に依存している。
我々は、ソース固有の不確実性を推定し、生成、検証、修復をガイドする不確実性認識フレームワークであるOpenCoderを紹介します。
論文 参考訳（メタデータ） (2026-07-27T10:15:36Z) - RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。
RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。
RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
論文 参考訳（メタデータ） (2026-05-25T06:26:43Z) - FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。
レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。
我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
論文 参考訳（メタデータ） (2026-04-14T17:04:25Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z)
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。