論文の概要: Dittany: Contribution-Guided Repair Framework for MAS Applications
- arxiv url: http://arxiv.org/abs/2610.42144v1
- Date: Fri, 30 Oct 2026 17:59:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.867962
- Title: Dittany: Contribution-Guided Repair Framework for MAS Applications
- Title（参考訳）: Dittany: MASアプリケーションのためのコントリビューションガイド付き修復フレームワーク
- Abstract要約: ツールはマルチエージェントシステム(MAS)アプリケーションのためのコントリビューション誘導型修復フレームワークである。
6つのMASフレームワークと9000のタスクにまたがる30のアプリケーション上でツールを評価する。
88.28%の精度と79.18%のリコールで故障を検出し、84.76%のタスク精度を達成した。
- 参考スコア（独自算出の注目度）: 4.616310867215387
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM-based multi-agent system (MAS) applications can produce useful intermediate results while leaving task requirements unsatisfied. Repairing such executions requires identifying the work still needed and the completed results that can support it. We present \tool, a contribution-guided runtime repair framework for MAS applications. \tool derives expected contributions and acceptance conditions from task requirements and method specifications, and connects their dependencies in a contribution graph. Runtime checks locate unmet conditions and establish which results remain usable. These results guide action-level correction when available inputs suffice, or graph-level recovery when prerequisites or unfinished work need revision. Both repair scopes retain validated contributions and check repaired outputs before subsequent work uses them. We evaluate \tool on 30 applications across six MAS frameworks and 9,000 tasks. It detects runtime failures with 88.28\% precision and 79.18\% recall, and achieves 84.76\% task accuracy, improving over Native execution by 26.74 percentage points and the strongest of four recovery baselines by 21.28 points. Estimated deployment token consumption is 17.92\% above Native, but 24.19\% below Reflexion and 13.05\% below Iterative Rollback. Ablation results show that combining the two repair scopes achieves higher accuracy and lower token consumption than graph-level repair alone.
- Abstract（参考訳）: LLMベースのマルチエージェントシステム(MAS)アプリケーションは、タスク要求を満足しないまま、有用な中間結果を生成することができる。
このような実行を修復するには、まだ必要な作業とそれをサポートするための完了した結果を特定する必要がある。
我々は、MASアプリケーションのためのコントリビューション誘導型ランタイム修復フレームワークである \tool を紹介する。
\toolは、タスク要求とメソッド仕様から期待されるコントリビューションと受け入れ条件を導き、コントリビューショングラフで依存関係を接続する。
実行時チェックは、アンメット条件を特定し、どの結果が利用可能かを確立する。
これらの結果は、利用可能な入力が十分であればアクションレベルの修正、あるいは必要条件や未完了の作業が修正が必要な場合のグラフレベルの回復を導く。
両方の修復範囲は、検証済みのコントリビューションを保持し、その後の作業で使用する前に、修復されたアウトプットをチェックする。
6つのMASフレームワークと9000のタスクにまたがる30のアプリケーション上で \tool を評価する。
88.28.%の精度と79.18.%のリコールで実行時の障害を検出し、84.76.%のタスク精度を実現し、ネイティブ実行を26.74ポイント、リカバリベースラインを21.28ポイント改善している。
推定デプロイメントトークンの消費量は、ネイティブよりも17.92\%、リフレクションより24.19\%、反復ロールバックより13.05\%である。
アブレーションの結果,2つの修復範囲を組み合わせることで,グラフレベルの修復単独よりも精度が高く,トークン消費量も小さくなることがわかった。
関連論文リスト
- Benchmarking Coding Agents under Evolving Requirements [9.803830098681557]
5つの主要なプログラミング言語と7つのソフトウェアフォームにわたる34のリポジトリから61のヒューマンレビュータスクのベンチマークであるFeatureLoopを紹介した。
12のフロンティアモデルを評価し、最強のタスクの72.1%が両方のフィードバックタイプで完了していることがわかった。
しかし、全モデルで2回の修正修正で回復した段階は15.4%に過ぎなかった。
論文 参考訳（メタデータ） (2026-10-26T14:15:53Z) - SWE-Shift: Evaluating Coding Agents in Evolving Workspaces [59.99170893706881]
ソフトウェア開発では、エージェントが動作している間、コード、依存関係、ランタイム状態、要件が変更される可能性がある。
我々は,このような中間実行変化下でのコーディングエージェント評価のベンチマークであるSWE-Shiftを紹介する。
クリーンな成功よりもシフトの少ない17のコーディングエージェントシステムを評価した。
論文 参考訳（メタデータ） (2026-10-23T05:47:59Z) - CUA-Recovery: Benchmarking Error Recovery in Long-Horizon Computer-Use Agents [26.827955737935113]
コンピュータ利用エージェント(CUA)が長い水平地平線に移動すると、検出されていないエラーは静かに永続状態を破損し、その後の動作でカスケード障害を引き起こす。
既存のベンチマークは主にエンドツーエンドのタスクパフォーマンスに重点を置いており、エージェントが実行中にエラーを検出してリカバリできるかどうかについて限定的な洞察を提供する。
CUA-Recoveryは、複数のデスクトップアプリケーションにまたがるテストスイートとトレーニングスイートを組み合わせたベンチマークである。
論文 参考訳（メタデータ） (2026-10-20T05:06:00Z) - Drafting Agents, Not Just Tokens: Speculative Recursive Self-Improvement for Agentic Systems [58.89141999692635]
提案するSpeculative Recursive Self-Improvement(SpecRSI)は,前任者が十分に評価される前に,実行可能な後継エージェントをドラフトする。
VATSは、予測された継続の返却を使って、さらなる編集と優れたチェックの間に予算を割り当てる。
グループ検証最適化(GVO)は、実際の評価器を固定しながら、完了した探索から改善器を学習する。
論文 参考訳（メタデータ） (2026-10-12T09:43:48Z) - VIGIL: Verifier-Informed Gated Improvement Loop for Spreadsheet Question Answering [6.4443425508730625]
企業エージェントは、すべての修正がシステムの振る舞いを書き換えることなく、遅延したフィードバックから改善すべきである。
コーパスレベルのスプレッドシート質問応答に対する連続的ハーネス学習について検討した。
金のワークブックと期待されたタイプが供給されたことにより、アンゲートとデュアルゲートのフルリプレイは79の文書に対して82.4%と82.0%の精度に達した。
論文 参考訳（メタデータ） (2026-10-03T04:41:40Z) - Recova: Agent-Guided Failure Recovery for Autonomous Robotic Manipulation [104.46042352396563]
Recovaはエージェント誘導型フレームワークで、再構築されたデジタルツインでタスク実行とリカバリを共同で開発する。
双子では、エージェントは障害を診断し、修正プログラムをテストし、異なるポリシーのために正常なタスクとリカバリのロールアウトを収集する。
適切なリカバリが得られない場合、人間のデモによって障害が解決され、システムがリカバリ機能を拡張することができる。
論文 参考訳（メタデータ） (2026-10-01T06:52:05Z) - ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks [60.600151982455195]
ProgramDistillは、完全に機能する参照アプリケーションとのインタラクションによって発見された機能について、コーディングエージェントを評価するベンチマークである。
私たちのパイプラインであるマイニングクラフトパッチは、26のアプリケーションにまたがる1,975のリプレイ検証された振る舞いを発見し、人間の介入なしに4,063のタスクを構築します。
論文 参考訳（メタデータ） (2026-09-16T15:19:05Z) - Externalizing Requirement-to-Repair Artifacts as Observable Traces for LLM-Based Program Repair [0.0]
THEMISは、セマンティックな解釈を通じて、この要求から回復までのプロセスを外部化する、ステージアウェアな修復ワークフローである。
300のSWE-bench Liteケースの振り返り監査では、これらのアーティファクトが、クロスステージインスペクションに対する広範なサポートを提供することを示した。
論文 参考訳（メタデータ） (2026-09-14T02:01:19Z) - 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) - Beyond Fail-to-Pass: Iterative Hardening of Co-Generated Bug Reproduction Tests and Fixes [55.114939648705395]
大規模言語モデル(LLM)は、現実のバグに対して、プログラムの自動修正をますます実用的にしている。
バグ再現テスト(BRT)は、バグレポートを実行可能なバグ固有の信号に変換することで、このギャップを埋めるのに役立つ。
本稿では,ループ内収束基準としてLax信号を用いるコジェネレーションフレームワークであるCoHardenを提案する。
論文 参考訳（メタデータ） (2026-07-22T07:30:07Z)
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。