MemGovern : Amélioration des agents de code par l'apprentissage d'expériences humaines gouvernées
MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences
January 11, 2026
papers.authors: Qihao Wang, Ziming Cheng, Shuo Zhang, Fan Liu, Rui Xu, Heng Lian, Kunyi Wang, Xiaoming Yu, Jianghao Yin, Sen Hu, Yue Hu, Shaolei Zhang, Yanbing Liu, Ronghao Chen, Huacan Wang
cs.AI
papers.abstract
Bien que les agents logiciels autonomes (SWE) redéfinissent les paradigmes de programmation, ils souffrent actuellement d'une limitation de « monde clos » : ils tentent de corriger les bogues à partir de zéro ou uniquement en utilisant le contexte local, ignorant l'immense expérience humaine historique disponible sur des plateformes comme GitHub. L'accès à cette expérience en monde ouvert est entravé par la nature non structurée et fragmentée des données réelles de suivi des problèmes. Dans cet article, nous présentons MemGovern, un cadre conçu pour gouverner et transformer les données brutes de GitHub en une mémoire expérientielle exploitable par les agents. MemGovern utilise la gouvernance de l'expérience pour convertir l'expérience humaine en cartes d'expérience adaptées aux agents et introduit une stratégie de recherche expérientielle agentique qui permet une récupération logique de l'expertise humaine. En produisant 135 000 cartes d'expérience gouvernées, MemGovern réalise une amélioration significative des performances, augmentant les taux de résolution sur le banc d'essai SWE-bench Verified de 4,65%. En tant qu'approche plug-in, MemGovern fournit une solution pour une infrastructure mémoire adaptée aux agents.
English
While autonomous software engineering (SWE) agents are reshaping programming paradigms, they currently suffer from a "closed-world" limitation: they attempt to fix bugs from scratch or solely using local context, ignoring the immense historical human experience available on platforms like GitHub. Accessing this open-world experience is hindered by the unstructured and fragmented nature of real-world issue-tracking data. In this paper, we introduce MemGovern, a framework designed to govern and transform raw GitHub data into actionable experiential memory for agents. MemGovern employs experience governance to convert human experience into agent-friendly experience cards and introduces an agentic experience search strategy that enables logic-driven retrieval of human expertise. By producing 135K governed experience cards, MemGovern achieves a significant performance boost, improving resolution rates on the SWE-bench Verified by 4.65%. As a plug-in approach, MemGovern provides a solution for agent-friendly memory infrastructure.