Fugu-MT 論文翻訳(概要): Do Coding Agents Follow AGENTS.md? The Effect of Policy Wording on Instruction Compliance

論文の概要: Do Coding Agents Follow AGENTS.md? The Effect of Policy Wording on Instruction Compliance

arxiv url: http://arxiv.org/abs/2611.04367v1
Date: Tue, 03 Nov 2026 05:54:37 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-04 17:58:34.503556
Title: Do Coding Agents Follow AGENTS.md? The Effect of Policy Wording on Instruction Compliance
Title（参考訳）: コーディングエージェントはFollow AgentS.mdをフォローしているか? : ポリシーワードが指示適合性に及ぼす影響
Abstract要約: 条件付きフレーズは、Prescriptive や Explanatory よりも少ない頻度で処理された。 4つのハーネスモデルの組み合わせで、86のベンチマークタスクのACFに、1つのポリシーを4つのスタイルで挿入した。
参考スコア（独自算出の注目度）: 3.2503203982473376
License:
Abstract: Coding agents do not always follow the policies in an Agent Context File (ACF). We inserted one policy, in four styles, into the ACFs of 86 benchmark tasks across four harness-model combinations. Conditional phrasing was followed less often than Prescriptive and Explanatory. The better of those two varied by combination.
Abstract（参考訳）: コーディングエージェントは、エージェントコンテキストファイル(ACF)のポリシーに従わない。 4つのハーネスモデルの組み合わせで、86のベンチマークタスクのACFに、1つのポリシーを4つのスタイルで挿入した。条件付きフレーズは、Prescriptive や Explanatory よりも少ない頻度で処理された。これら2つの利点は組み合わせによって異なる。

関連論文リスト

Generative Policy Improvement from Observational Data [58.95974626211867]
PolicyLiftは、観測データから構造化されたアクションで生成ポリシーを改善するためのフレームワークである。本稿では,アクションコードに対するポリシーの改善が,元々のアクション空間における誘導ポリシーの改善を保証することを理論的に示す。
論文参考訳（メタデータ） (2026-10-16T13:20:43Z)
MA-FPPO: Multi-Agent Flow-Pretrained Policy Optimization [5.90264555732059]
本研究では, オンライン微調整を用いて, 環境との新たなインタラクションを通じて, フローマッチングにより事前学習したモデルの協調行動を改善するマルチエージェントフロー事前政策最適化(MA-FPPO)を提案する。提案手法は,30設定で最上位のオフラインベースラインに対して平均52.8%,38比較で純オンライン学習において29.8%,適合したオンライン予算と評価プロトコルに対して平均52.8%を達成している。
論文参考訳（メタデータ） (2026-09-26T13:12:01Z)
Policy Loopholes in Agent Evaluation: When Policy Ambiguity Masquerades as Agent Error [2.0305676256390934]
ベンチマーク開発者は、金のアノテーションを集める前にポリシーを監査する必要がある。ドメイン間の比較によって、エクスプロイラビリティはポリシーの曖昧さとツールの許容性の両方を必要とすることが明らかになった。
論文参考訳（メタデータ） (2026-09-13T10:00:13Z)
PolicyMem: Geometric Policy Memory for LLM Governance [72.04962480384322]
我々は、自然言語ポリシーを再利用可能な幾何学的メモリオブジェクトとして外部化する幾何学的ポリシーメモリであるPhysicalMemを紹介する。メモリライターは、自然言語ポリシーをポリシーメモリスロットにコンパイルし、クエリ応答ペアはプロジェクションエネルギーを介してポリシーメモリを読み取る。得られた政策証拠プロファイルは、安全判断を直接仲介し、政策帰属および事後検証のために再利用される。
論文参考訳（メタデータ） (2026-09-12T06:07:43Z)
CAPO: Counterfactual Credit Assignment in Sequential Cooperative Teams [6.8920524670882815]
本稿では,Aristocrat Utility(SeqAU)について紹介する。批判のないポリシー段階のアルゴリズムであるCAPOを導出する。
論文参考訳（メタデータ） (2026-04-20T01:14:59Z)
Analyzing and Internalizing Complex Policy Documents for LLM Agents [53.14898416858099]
大規模言語モデル(LLM)ベースのエージェントシステムは、多様なビジネスルールをコードするコンテキスト内ポリシー文書に依存している。これは、パフォーマンスを保ちながら、ポリシー文書をモデルプリエントに組み込む内部化手法の開発を動機付けます。 CC-Genは4つのレベルにまたがる制御可能な複雑度を持つエージェントベンチマークジェネレータである。
論文参考訳（メタデータ） (2025-10-13T16:30:07Z)
Prescribe-then-Select: Adaptive Policy Selection for Contextual Stochastic Optimization [4.154714580436713]
本稿では,まず実行可能な候補ポリシーのライブラリを構築し,次に最適なポリシーを選択するためのメタ政治を学習するモジュラーフレームワークを提案する。我々は、トレーニングセット上でクロスバリデーションによってトレーニングされた最適ポリシーツリーのアンサンブルを使用して、メタポリティクスを実装し、ポリシーの選択を完全にデータ駆動にする。結果を再現するコードはすべてhttps://anonymous.4open.science/r/Prescribe-then-Select-TMLRにある。
論文参考訳（メタデータ） (2025-09-09T23:56:16Z)
Offline Reinforcement Learning with Closed-Form Policy Improvement Operators [88.54210578912554]
行動制約付きポリシー最適化は、オフライン強化学習に対処するための成功パラダイムであることが示されている。本稿では,閉形式政策改善演算子を提案する。我々は、標準的なD4RLベンチマークにおいて、最先端アルゴリズムに対するそれらの効果を実証的に実証した。
論文参考訳（メタデータ） (2022-11-29T06:29:26Z)
Coordinating Policies Among Multiple Agents via an Intelligent Communication Channel [81.39444892747512]
MARL(Multi-Agent Reinforcement Learning)では、エージェントが直接通信できる特別なチャンネルがしばしば導入される。本稿では,エージェントの集団的性能を向上させるために,エージェントが提供した信号の伝達と解釈を学習する,インテリジェントなファシリテータを通じてエージェントがコミュニケーションする手法を提案する。
論文参考訳（メタデータ） (2022-05-21T14:11:33Z)
Multiagent Value Iteration Algorithms in Dynamic Programming and Reinforcement Learning [0.0]
各段階における制御がいくつかの異なる決定から構成される無限水平動的プログラミング問題を考える。以前の研究では、ポリシーの反復アルゴリズムを導入しました。
論文参考訳（メタデータ） (2020-05-04T16:34:24Z)

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。