論文の概要: Let the Fixer Decide: Training a Code Localizer from the Fixer's Likelihood
- arxiv url: http://arxiv.org/abs/2611.12164v1
- Date: Mon, 09 Nov 2026 10:18:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 09:45:38.279769
- Title: Let the Fixer Decide: Training a Code Localizer from the Fixer's Likelihood
- Title(参考訳): フィクスチャの決定を下す: フィクスチャの好みからコードローカライザをトレーニングする
- Abstract要約: コード修正をトレーニングするためのFGL(Fixer-Guided Localization)を提案する。
FGLは、パッチの正当性に応じてスコアを付け、ローカライザは、重み付けされた教師付き微調整によってこれらのスコアに基づいてトレーニングされる。
我々はKaggle Gemma-4 Developer Agentコンペティションのために、Gemma 4 E4Bで完全なパイプラインを構築します。
- 参考スコア(独自算出の注目度): 1.8485970721272897
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Code localizers are usually trained to predict the files a reference patch edits, but the code a fixer needs to read is not the same as the code it changes. We propose Fixer-Guided Localization (FGL): the localizer proposes several localizations, a frozen fixer scores each by how likely it makes a verified patch, and the localizer is trained on these scores with weighted supervised fine-tuning, without running tests and without reinforcement learning. We build the full pipeline on Gemma 4 E4B for the Kaggle Gemma-4 Developer Agent competition, from 1,629 test-verified Kimi K3 trajectories. The FGL target helps the fixer find the bug as often as the teacher's localization while using 27.5% less code. On the development set, one EM round moves the agent in the expected direction compared with a matched control: more tasks reach a patch (53 vs. 46), fewer tasks get stuck reading files that do not exist (43 vs. 54), and more tasks are solved (8 vs. 6). Training also changes how the agent works: trained agents explore about three times more than the base model and write far fewer wrong patches, and the single agent solves up to 11 of 78 tasks, against 8 for the base model. An analysis of 13 evaluation runs identifies what limits a 4B agent under an 8-minute budget (time, repetition loops and edit quality) and gives practical lessons for training small coding agents. All data, code and adapters are publicly available.
- Abstract(参考訳): コードローカライザは通常、参照パッチが編集するファイルを予測するためにトレーニングされるが、修正者が読みたいコードは、変更するコードと同じではない。
ローカライザは複数のローカライズを提案し、フリーズされたフィカライザスコアはパッチの可否を判定し、ローカライザは、テストを実行せず、強化学習もせずに、重み付けされた微調整によりこれらのスコアに基づいて訓練される。
我々はKaggle Gemma-4 Developer Agentコンペティションのために、Gemma 4 E4Bで完全なパイプラインを構築します。
FGLターゲットは、修正者が27.5%のコードを使用しながら、教師のローカライゼーションと同じ頻度でバグを見つけるのに役立つ。
開発セットでは、1つのEMラウンドが一致した制御に比べてエージェントを期待方向に移動させる: パッチに達するタスクの数(53対46)、存在しないファイルを読むタスクの数(43対54)、さらに多くのタスクが解決される(8対6)。
トレーニングエージェントはベースモデルよりも約3倍多く調査し、はるかに少ない間違ったパッチを書き、単一のエージェントは78タスクのうち11タスクを、ベースモデルでは8タスクまで解決する。
13の評価の実行は、8分間の予算(時間、繰り返しループ、編集品質)で4Bエージェントに制限があるかを識別し、小さなコーディングエージェントを訓練するための実践的なレッスンを与える。
データ、コード、アダプタはすべて公開されています。
関連論文リスト
- InfraDev: Can Coding Agents Develop AI Infrastructure, and How Can We Tell? [3.2714937600999687]
InfraDevは現実世界のプルリクエストからMegatron-LM, vLLM, verlに構築された36のタスクのベンチマークである。
各タスクはエージェントに、多くのファイルにまたがる真の変更を再実装するよう要求する。
タスク間の依存関係やアーティファクトを再利用し,ストレージを52~57%削減し,Megatron-LMとvLLMでビルド時間を13~14%短縮する共有実行環境を設計する。
論文 参考訳(メタデータ) (2026-10-27T03:47:47Z) - MiRL: Error-Targeted Reinforcement Learning for Correcting Terminal Agent Misbehaviors [56.21718763415641]
命令シェルと対話することで、自然言語で特定される長期タスクを解決する端末エージェントにエラー対象学習を適用する方法について検討する。
本研究では、まず、一般化可能な誤動作を見つけるためのポリシーの誤りをプロファイルするMisbehavior-driven RL(MiRL)を提案する。
その後、MiRLはRLでポリシーをトレーニングし、これらの不正行為が発生するステップでロールアウトを開始し、テストに合格して不正行為を避ける場合にのみロールアウトを報奨する。
論文 参考訳(メタデータ) (2026-10-26T16:25:05Z) - SWE-Ladder: Learning to Localize, Reproduce, and Patch via Progressive Privileged Self-Distillation [50.59891115855016]
強化学習は、最終パッチ上の単一のテスト結果からそのようなエージェントを訓練する。
オンラインの自己蒸留は、すべてのステップで完全な参照パッチを公開する。
本稿では,SWE-Ladderを提案する。
論文 参考訳(メタデータ) (2026-10-24T13:27:18Z) - AdaPRA: Process Reward Agents with Adaptive Rubrics for Data Science [61.06192512211444]
データサイエンスエージェントはエンドツーエンドの機械学習を自動化することができるが、人間のリーダーボードとの競争には程遠い。
我々はこれらの問題に対処するためにAdaPRAを提案する: 同一タスクの試行にまたがって知識を蓄積する永続的符号化エージェントと、エラーを特定し修正するルーリック誘導プロセス監視。
AdaPRAはタスク毎の5つの試行により、80B QwenモデルのパーセンタイルをDSPredict-Easyで24.5ポイント、DS-Hardで14.8ポイント改善し、プロセスエラーを減らす。
論文 参考訳(メタデータ) (2026-10-23T19:46:55Z) - PreciseCoder: Faithful and Generalizable Debugging Beyond Unit-Test Rewards [14.748706115313391]
このアルゴリズムは、セマンティックに検証された局所的な編集のための信号で、単体テストの報酬を増大させる。
4B、9B、27Bモデルでは、PreciseCoderは、ユニットテストのみのトレーニングと同等のパスレートで、7-15から3までの編集行数を削減している。
論文 参考訳(メタデータ) (2026-10-13T17:19:10Z) - ATTUNE: Agentic Throughput Tuning for LLM Training [17.35412391432098]
ATTUNEは、GPU時間予算内で調整されていないすべての作業レシピをチューニングするコーディングエージェントである。
H100、H200、B200クラスタ上でのAmazonのトレーニング後のレシピをチューニングし、スループットを平均1.7倍向上させる。
NVIDIAのAutoModelフレームワーク上で、NVIDIA独自のベンチマークレシピの4つが発行されたスループットを6-17%上回っている。
論文 参考訳(メタデータ) (2026-10-13T00:49:11Z) - Make Every Expansion Count: Learning to Search Efficiently in LLM Code Repair [63.277419653843594]
修正プログラムの生成とテストの前に編集を優先する学習ポリシであるCodeTriageを紹介する。
ホールドアウトの修理タスクでは、CodeTriageは、各メトリックで最強のベースラインよりも21%少ないプログラム修正と12%少ないアウトプットトークンの修正を見つける。
論文 参考訳(メタデータ) (2026-10-11T20:19:05Z) - Can LLMs Fix It Without Code? Toward Automated Verification of No-Code Bug Fixes [1.4465033892011254]
ノーコード修正は、ユーザが設定を変更したり、すでに修正済みのバージョンにアップデートしたり、ワークフローを調整したりすることで、無効なバグレポートを解決します。
本研究では,大規模言語モデルによる実ブラウザ環境におけるコード修正生成能力を評価するための,自動実行ベースのパイプラインを提案する。
論文 参考訳(メタデータ) (2026-10-08T13:44:53Z) - Teaching Agents to Code Reliably [12.841316191115778]
リポジトリの問題を解決するために、自律的なコーディングエージェントを訓練する方法を示す。
トレーニングがこれらの行動を政策にどう移行するかを示す。
パス@1から43.0%に上昇し、パス@8から60.7%に上昇し、検証精度を26.8%から41.7%に引き上げる。
論文 参考訳(メタデータ) (2026-10-02T19:47:19Z) - ExecCritic: Learn to Test, Test to Improve for Coding Agents [68.42713285082912]
実行時のフィードバックは、コーディングエージェントを正しいリポジトリの修復に導くことができますが、テストが問題によって要求された振る舞いをキャプチャした場合のみです。
ExecCriticを導入し、テスト-検証-修正足場と、その中のトレーニングエージェントのためのロール固有の強化学習レシピを組み合わせる。
テストエージェントが独立してリポジトリネイティブなテストを生成し、フェイルクローズされたハーネスがそれらを調整して凍結し、リカバリエージェントがテストを変更することなく、ソースコードを実行フィードバックから修正する。
論文 参考訳(メタデータ) (2026-09-08T17:53:37Z) - AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents [83.37969790806069]
LLMエージェントのエラーは、エラーが表面化するステップが原因ではないことが多いため、デバッグが難しい。
Agent DebuggerXはオープンソースのフレームワークで、デバッグをDe Detect, Attribute, Recover, Rerunのクローズドループとして整理する。
コアとなるDeep Debuggerは、グローバルな軌跡理解を通じてマルチターン根本原因診断を行う。
論文 参考訳(メタデータ) (2026-07-21T06:21:13Z)
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。