論文の概要: From Watching to Steering: Enabling Human-Coding Agent Collaboration through Execution Traces

• arxiv url: http://arxiv.org/abs/2611.04466v1
• Date: Tue, 03 Nov 2026 07:56:06 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:37:36.682982
• Title: From Watching to Steering: Enabling Human-Coding Agent Collaboration through Execution Traces
• Title（参考訳）: 監視からステアリングへ:実行トレースによるヒューマンコーディングエージェントコラボレーションの実現
• Abstract要約: VibetraceはOpenCode上に構築されたエージェントプログラミングのためのインタラクティブなトレース可視化と介入システムである。 エージェントをインタラクティブな実行トレースとして可視化し、アクションや中間状態、障害を検査する。 痕跡と人間のフィードバックを連続剤進化のための再利用可能なスキルに蒸留する。
• 参考スコア（独自算出の注目度）: 23.053702390977318
• License:
• Abstract: Recent advances in large language models (LLMs) have enabled coding agents to autonomously perform complex software development tasks, yet their long-running execution remains difficult for users to inspect, understand, and steer. We present Vibetrace, an interactive trace visualization and intervention system for agentic programming built upon OpenCode. Vibetrace introduces a human-agent collaboration paradigm of Observe, Understand, Intervene, and Evolve. It (1) visualizes agent workflows as interactive execution traces for inspecting actions, intermediate states, and failures; (2) enables users to fork execution from prior steps and provide targeted corrections without restarting validated progress; and (3) distills traces and human feedback into reusable skills for continual agent evolution. On SWE-bench Verified, distilled skills reduce input tokens by 23.0% and cost by 15.5%, while improving pass rate from 65.0% to 68.0%. User studies further demonstrate improved accuracy and efficiency over conventional log-based interaction.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩により、コーディングエージェントは複雑なソフトウェア開発タスクを自律的に実行できるようになったが、その長期実行は、ユーザーが検査、理解、管理を困難にしている。 我々は OpenCode 上に構築されたエージェントプログラミングのためのインタラクティブなトレース可視化と介入システムである Vibetrace を紹介する。 Vibetraceは、Observe、Understand、Intervene、Evolveという人間とエージェントのコラボレーションパラダイムを導入している。 1) エージェントワークフローを,動作,中間状態,障害を検査するためのインタラクティブな実行トレースとして可視化し,(2) ユーザが事前のステップからフォークして,検証された進捗を再開することなく目標の修正を行えるようにし,(3) トレースと人間のフィードバックを連続エージェントの進化のための再利用可能なスキルに蒸留する。 SWEベンチ認証では、蒸留技術により入力トークンを23.0%、コストを15.5%削減し、パスレートを65.0%から68.0%に改善した。 ユーザスタディでは、従来のログベースのインタラクションよりも精度と効率が向上している。

関連論文リスト

• EmbodiedEvo: Self-Evolving Coding Agent For Physical Intelligence [5.550735065870032]
  EmbodiedEvoは自己進化型コーディングエージェントで、物理的なフィードバックを再利用可能なコードスキルと診断レッスンに蒸留する。 RoboDojo-Simでは、EmbodiedEvoの平均スコアは44.48で、成功率は37.82%で、公式に確認されたすべての結果を上回っている。
  論文  参考訳（メタデータ） (2026-10-13T17:59:51Z)
• Uncovering Robustness Weaknesses in LLM Agents via Persona Evolution with Task-Integrity Constraints [19.618760481788502]
  本稿では,エージェント固有のユーザポリシーを自動的に検出するタスク統合保存ペルソナ進化手法であるTIPERを紹介する。 4つの対話型エージェントベンチマークで、TIPERは12 GPT-5.4のすべての設定で低い保持率のavgNLP@3スコアを得る。 さらなる分析により、発見されたユーザの行動と繰り返し発生するエージェントの障害モードを結びつける行動から障害への分類が得られる。
  論文  参考訳（メタデータ） (2026-10-12T04:30:20Z)
• ASENA: Self-evolving Agents for Embodied Navigation [84.64998230277466]
  ASENAは汎用コーディングエージェントをロボットセンシング、計算、教師付き実行、永続的な体験に接続する。 独立政策としてASENA-VLNはR2Rで68.7%、RxRで70.2%という最先端の成功率を達成した。
  論文  参考訳（メタデータ） (2026-09-30T07:53:50Z)
• SWE-MILE: Asynchronous Potential-Induced Milestone Credit Assignment for Long-Horizon Software Engineering Agents [52.92536111845184]
  SWE-MILEは、ワークフローランタイムからきめ細かいプロセス監視を導出するプロセス監視フレームワークである。 非同期シャドウプローブは、分離されたサンドボックス内のリポジトリ変更アクションを再生し、エージェントのプライマリインタラクションと並行して検証を実行する。 2つの代表的な長期SWEタスクの実験は、エージェント性能を大幅に改善したことを示している。
  論文  参考訳（メタデータ） (2026-09-26T13:49:14Z)
• Humans are Missing from AI Coding Agent Research [116.47136146149226]
  我々は、自律的なプログラミングエージェントから人間中心のコーディングエージェントへの方向転換を主張する。 課題解決ループを特徴付ける4つの中核的相互作用レベルを同定する。
  論文  参考訳（メタデータ） (2026-07-04T01:24:03Z)
• AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
  我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。 ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。 探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
  論文  参考訳（メタデータ） (2026-03-15T16:13:58Z)
• Modeling Distinct Human Interaction in Web Agents [59.600507469754575]
  我々は、協調的なWebタスク実行を支援するために、人間の介入をモデル化するタスクを紹介する。 エージェントとのユーザインタラクションの4つのパターンを特定します。 我々は、これらの介入認識モデルをライブWebナビゲーションエージェントにデプロイし、ユーザスタディで評価し、ユーザ評価エージェントの有用性が26.5%向上した。
  論文  参考訳（メタデータ） (2026-02-19T18:11:28Z)
• AgentStepper: Interactive Debugging of Software Development Agents [14.265317773238529]
  本稿では,ソフトウェアエンジニアリングエージェントのための対話型デバッガであるAgentStepperを紹介する。 AgentStepperは、LLM、エージェントプログラム、ツール間の構造化された会話としてトラジェクトリを表す。 ブレークポイント、ステップワイズ実行、プロンプトとツール呼び出しのライブ編集、中間リポジトリレベルのコード変更のキャプチャと表示をサポートする。
  論文  参考訳（メタデータ） (2026-02-06T10:44:09Z)
• Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
  タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。 エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
  論文  参考訳（メタデータ） (2025-10-29T17:47:18Z)
• AgentCompass: Towards Reliable Evaluation of Agentic Workflows in Production [4.031479494871582]
  本稿では,エージェントパイプラインのデプロイ後監視と推論に特化して設計された,最初の評価フレームワークであるAgentを紹介する。 Agentは、主要なメトリクスに関する最先端の結果を達成すると同時に、人間のアノテーションで見逃された重要な問題を明らかにする。
  論文  参考訳（メタデータ） (2025-09-18T05:59:04Z)

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。