論文の概要: How Should Agents See Code? Rethinking Code Representations for Agentic Software Engineering

• arxiv url: http://arxiv.org/abs/2611.07286v1
• Date: Thu, 05 Nov 2026 01:08:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.482128
• Title: How Should Agents See Code? Rethinking Code Representations for Agentic Software Engineering
• Title（参考訳）: エージェントはどのようにコードを見るべきか?エージェントソフトウェアエンジニアリングのためのコード表現を再考する
• Abstract要約: 本稿では,エージェントソフトウェア工学における設計変数としてのマップベースのコード表現について検討する。 抽象構文木、コールグラフ、モジュール依存性、ドキュメント強化検索、それらを組み合わせたハイブリッドワークフローの5つのコード表現について検討する。 その結果、ローカライゼーションがボトルネックとなる場合、表現はトークンセーブツールとして最も有用であることが判明した。
• 参考スコア（独自算出の注目度）: 6.556941399027017
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents are increasingly used for repository-level software engineering tasks. However, most agents still access repositories through raw files, lexical search, and shell commands, treating code primarily as text. This paper investigates map-based code-representation workflows as a design variable in agentic software engineering, examining how different repository views change agents' retrieval behavior, task success, token use, and latency. In this paper, we study five code-representation workflows: abstract syntax trees, call graphs, module dependencies, documentation-enriched search, and a hybrid workflow that combines them. Each workflow exposes a repository map that the agent can query during a task. We evaluate Claude Code with Haiku 4.5 against a raw-tool baseline on four repository-level tasks: fault localization with LinuxFLBench, repository-level code generation and repair with SWE-bench Pro, test generation with SWT-bench, and security patching with SecBench. The results show that representation workflows are most useful as token-saving tools when localization is the bottleneck, while their success gains narrow when the decisive step is patch or test authoring. On LinuxFLBench, all five workflows improve recall@10 over the baseline (0.757-0.829 vs. 0.717) and reduce token usage by 25-39%. On SWE-bench Pro, resolution remains close to the baseline (44.3-50.6% vs. 49.0%) while token usage drops by 17-26%. On SecBench, Callgraph has the highest patch-resolution rate in this sample (34.3% vs. 28.9%) and uses fewer tokens, but all workflows increase latency. On SWT-bench, Hybrid and Docs have the highest reproducing-test rates in this sample (47.8% and 47.2% vs. 44.7%), but all workflows use more tokens and take longer. Overall, map-based workflows change both what the agent inspects and how much it spends, but their benefits are task-dependent rather than universal.
• Abstract（参考訳）: LLMエージェントは、リポジトリレベルのソフトウェアエンジニアリングタスクにますます使われています。 しかし、ほとんどのエージェントは、生のファイル、語彙検索、シェルコマンドを通じてリポジトリにアクセスし、主にコードをテキストとして扱う。 本稿では,エージェントソフトウェア工学における設計変数としてのマップベースのコード表現ワークフローについて検討し,異なるリポジトリビューがエージェントの検索行動,タスク成功,トークン使用,レイテンシをどう変えるかを検討する。 本稿では,抽象構文木,コールグラフ,モジュール依存性,ドキュメント強化検索,それらを組み合わせたハイブリッドワークフローという,5つのコード表現ワークフローについて検討する。 各ワークフローは、タスク中にエージェントがクエリできるリポジトリマップを公開する。 我々は,LinuxFLBenchによる障害ローカライゼーション,SWE-bench Proによるリポジトリレベルのコード生成と修正,SWT-benchによるテスト生成,SecBenchによるセキュリティパッチの4つのタスクにおいて,Haiku 4.5によるクロードコードを生ツールベースラインに対して評価した。 その結果、ローカライゼーションがボトルネックである場合には、表現ワークフローがトークンセーブツールとして最も有用である一方で、決定的なステップがパッチやテストオーサリングである場合には、成功率が狭まることがわかった。 LinuxFLBenchでは、5つのワークフローがベースライン(0.757-0.829 vs. 0.717)上でリコール@10を改善し、トークン使用量を25～39%削減する。 SWE-bench Proでは、解像度はベースライン(44.3-50.6%対49.0%)に近く、トークンの使用量は17-26%減少している。 SecBenchでは、Callgraphはこのサンプルで最もパッチ解決率が高い(34.3%対28.9%)。 SWT-benchでは、HybridとDocsがこのサンプルで最も高い再生テストレート(47.8%と47.2%対44.7%)を持っているが、すべてのワークフローはトークンを使い、長い時間がかかる。 全体として、マップベースのワークフローは、エージェントが検査したものと、どれくらいの費用を使うかの両方を変えるが、それらの利点は普遍的ではなくタスクに依存している。

関連論文リスト

• 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)
• Chronos Enables Code Agents to Reason over Software Evolution [11.152714012525072]
  我々はChronosを紹介した。Chronosは、大規模な言語モデル(LLM)ベースのコードエージェントで、歴史的なプルリクエストを利用できるテストタイムフレームワークである。 Chronosはプルリクエストを構造化されたエクスペリエンスカードにマージし、コードレベル、開発者インテリジェント、組織関係の型付きグラフを通じてそれらを接続する。
  論文  参考訳（メタデータ） (2026-10-08T09:31:37Z)
• Skill Issue: Lessons from Optimizing Repository SKILLs for Coding Agents [0.09558392439655013]
  コーディングエージェントは、SKILLsからリポジトリの知識を読み取るようになっている。 最近の研究は、ベンチマークに対して文書を最適化することで、これらのファイルを自動で合成する。 より難しいタスク --- リポジトリのプルリクエストをマージし、単一の凍結されたベースコミットでリターンし、同じエージェントがそれなしでよいかどうかで候補ドキュメントをスコアします。
  論文  参考訳（メタデータ） (2026-09-11T11:41:29Z)
• UI-Mate: Advancing Open-Weight Foundation GUI Agents with In-Context Demonstrations [68.29650478987561]
  UI-Mateは、環境に根ざしたトレーニングスタックとコンテキスト内の実演学習を統合する基盤GUIエージェントである。 OSWorldでは77.0%、WindowsAgentArenaでは66.2%と評価された。
  論文  参考訳（メタデータ） (2026-08-16T20:59:59Z)
• ClawMark: A Living-World Benchmark for Multi-Turn, Multi-Day, Multimodal Coworker Agents [77.22389710754452]
  マルチターンマルチデイタスクを中心に構築された同僚エージェントのベンチマークであるベンチを紹介する。 現在のリリースには、13のプロのシナリオにわたる100のタスクが含まれており、5つのステートフルなサンドボックスサービスに対して実行される。 最強のモデルは75.8の重み付きスコアに達するが、最も厳格なタスク成功率は20.0%に過ぎず、部分的な進歩が一般的であることを示している。
  論文  参考訳（メタデータ） (2026-04-26T16:05:02Z)
• ClawsBench: Evaluating Capability and Safety of LLM Productivity Agents in Simulated Workspaces [17.202580606345666]
  生産性タスクを自動化するために、大規模言語モデル(LLM)エージェントがますますデプロイされる。 既存のベンチマークは単純化された環境に依存しており、現実的なマルチサービス環境をキャプチャできない。 我々は,現実的な生産性設定におけるLCMエージェントの評価と改善のためのベンチマークであるClawsBenchを紹介する。
  論文  参考訳（メタデータ） (2026-04-06T21:09:06Z)
• An Empirical Study of the Evolution of GitHub Actions Workflows [41.25198736954168]
  CI/CDプラクティスは、共同ソフトウェア開発において重要な役割を果たす。 GitHubに統合されたCI/CDツールであるGitHub Actionsでは、リポジトリメンテナが開発を自動化することができる。 私たちは、GitHub Actionsワークフローの変更を時間をかけて分析しました。
  論文  参考訳（メタデータ） (2026-02-16T09:05:42Z)
• ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
  ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。 LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
  論文  参考訳（メタデータ） (2023-11-16T12:03:21Z)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)

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。