論文の概要: Toward Bounding Coding-Agent Autonomy in Software Maintenance: A Pilot Study of Boundary Contracts

• arxiv url: http://arxiv.org/abs/2611.01265v1
• Date: Sat, 31 Oct 2026 21:03:30 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:22:49.274754
• Title: Toward Bounding Coding-Agent Autonomy in Software Maintenance: A Pilot Study of Boundary Contracts
• Title（参考訳）: ソフトウェア保守における境界符号化に基づく自律性の実現に向けて:境界契約の試行的研究
• Abstract要約: 境界契約は、リポジトリ修正が始まる前にタスク固有のアーティファクトロールを明示する。 実際の企業リポジトリから40のメンテナンスタスクを試験的に検討する。
• 参考スコア（独自算出の注目度）: 0.9851812512860351
• License:
• Abstract: As coding agents gain greater autonomy to modify software repositories, relevant context alone does not define their operational authority. An artifact may be relevant to a maintenance task while being inappropriate to edit; conversely, another artifact may be required even when it is not explicitly mentioned in the request. We explore Boundary Contracts, a machine-readable abstraction that makes task-specific artifact roles (editable, inspect-only, required, and protected) explicit before repository modification begins. We conduct a pilot study on 40 maintenance tasks from a real enterprise repository, comparing the same Codex-based coding agent with and without Boundary Contract information. The boundary-informed condition improves macro edit-selection F1 from 0.440 to 0.682, required-behavior coverage from 0.429 to 0.673, and the number of strictly acceptable patches from 9 of 40 to 18 of 40. To probe whether these gains are explained only by improved file localization, we additionally analyze 21 tasks in which both conditions modify at least one identical file. Differences remain in edit selectivity and patch outcomes, providing initial evidence that explicit artifact roles may influence maintenance behavior beyond localization alone. This pilot does not establish the general effectiveness of Boundary Contracts. Rather, it provides initial evidence for a broader research question: how should the operational boundaries of coding agents be generated, validated, revised, and ultimately enforced as repository-level maintenance becomes increasingly autonomous?
• Abstract（参考訳）: コーディングエージェントは、ソフトウェアリポジトリを変更するためにより自律性を得るので、関連するコンテキストだけでは、その運用権限を定義しません。 アーティファクトは、編集が適切でない間にメンテナンスタスクに関連付けられ、逆に、要求に明示的に言及されていない場合でも、別のアーティファクトが必要になることがある。 これは、リポジトリ修正が始まる前に、タスク固有のアーティファクトロール(編集可能、検査専用、必要、および保護)を明確にする、マシン可読な抽象化です。 実際の企業リポジトリから40のメンテナンスタスクについて,同じCodexベースのコーディングエージェントと境界契約情報とを比較検討した。 境界インフォームド条件はマクロ編集選択F1を0.440から0.682に改善し、要求ビヘイビアカバレッジを0.429から0.673に、厳格に許容されるパッチ数を40から18に改善する。 改善されたファイルローカライゼーションによってのみ、これらの利得が説明されるかどうかを調査するため、両条件が同一のファイルを少なくとも1つ変更する21のタスクを解析する。 編集選択性やパッチ結果に違いは残っており、明示的なアーティファクトの役割がローカライゼーション以外にも保守行動に影響を与える可能性があるという最初の証拠を提供する。 このパイロットは境界契約の一般的な有効性を確立しません。 むしろそれは、より広範な研究上の疑問に対する最初の証拠を提供する: コーディングエージェントの運用の境界をどうやって生成し、検証し、修正し、最終的にリポジトリレベルのメンテナンスが自律化するにつれて強制するか?

関連論文リスト

• When Relevant Code Is Wrong: Runtime-Aware Context for AI Coding Agents [3.9184566647311]
  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。
  論文  参考訳（メタデータ） (2026-10-28T20:05:15Z)
• AIPOCH Open-Science: An Open-Source AI Research Workbench with Reproducible .science Packages [45.605119451149]
  AIPOCH Open-Scienceは、ポータブルサイエンスセッションパッケージを備えたオープンソースのリサーチワークベンチである。 バージョンとアセスメントのターゲットは、受信-ワークスペース識別子が再マップされる間、帰結可能なままである。 コントロールされたセッションでは、誤った最初のバージョン、レビューされた修正、未レビューの修正、計画されたが実行されていないステップがテストされた。
  論文  参考訳（メタデータ） (2026-10-12T17:03:23Z)
• ANCHOR: Assessing Naturalistic Constraint Hierarchies and Ordering in Repository-Grounded Agentic Coding [37.56127721120043]
  ANCHOR(Assessing Naturalistic Constraint Hierarchies and Ordering in Repository-Grounded Agentic Coding)は、自然主義の多言語リポジトリタスクをベースとしたベンチマークである。 ANCHORは、(i)実際の開発者インタラクションから抽出された10のカテゴリと78の葉型の階層的な分類、(ii)タスク基底の原子的制約をインスタンス化し、それらを型付きおよび/THEN/PRIORITY関係に構成する自動パイプライン、(iii)軌道基底の評価フレームワークを組み合わせる。
  論文  参考訳（メタデータ） (2026-10-12T14:28:38Z)
• SWE-Gate: Passing Functional Tests Is Not Enough for Software Engineering Agents [63.65682461568621]
  ソフトウェアエンジニアリングエージェントのためのリポジトリレベルのベンチマークであるSWE-Gateを導入し、機能的正当性とともにレビュー制約コンプライアンスを明示的に評価する。 SWE-Gateは、実際のプルリクエストレビューコメントからレビュー制約を導き、これらの制約に関するリポジトリレベルの修復インスタンスを合成する。 各インスタンスは、非準拠およびゴールドパッチとともに、機能テストと制約テストの分離を提供し、イシュー解決能力とレビュー制約コンプライアンスの明確な分離を可能にする。
  論文  参考訳（メタデータ） (2026-09-03T17:53:34Z)
• Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
  大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。 報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。 本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:59:13Z)
• From Prompts to Contracts: Harness Engineering for Auditable Enterprise LLM Agents [0.24554686192257424]
  製品化は、ソースバウンダリ、エンティティルーティング、回答コントラクト、再現可能なトレースの要件を追加します。 本稿では,このパターンをトレース可能な監査可能なLLMエージェントアーキテクチャに再構成するハーネスエンジニアリング手法を提案する。 韓国の5つの企業グループの公開データスライスでインスタンス化し、3つの研究課題を評価する。
  論文  参考訳（メタデータ） (2026-07-09T01:08:33Z)
• Software Delegation Contracts: Measuring Reviewability in AI Coding-Agent Work [0.0]
  以前の作業では、タスク、権限、返却された作業パッケージ、受け入れコンテキストを、委譲されたコーディング作業の分析単位として記述するソフトウェア委譲契約を提案したが、その効果は測定しなかった。 本稿では,符号化エージェントの明示的デリゲート契約に関する制御されたパイロット研究について報告する。
  論文  参考訳（メタデータ） (2026-06-14T05:53:27Z)
• SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
  SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。 行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。 Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
  論文  参考訳（メタデータ） (2026-06-12T08:20:09Z)
• 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)
• 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)
• SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
  SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。 提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。 我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
  論文  参考訳（メタデータ） (2025-03-11T17:53:02Z)

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。