MemGovern: 統制された人間の経験からの学習によるコードエージェントの強化

要旨

自律型ソフトウェアエンジニアリング（SWE）エージェントはプログラミングのパラダイムを再構築しつつあるが、現在「閉じた世界」という制限を抱えている。すなわち、バグ修正をゼロから、あるいはローカルコンテキストのみで試み、GitHubなどのプラットフォームで利用可能な膨大な歴史的人間の経験を無視しているのである。このオープンワールドの経験へのアクセスは、実世界の課題追跡データが非構造化で断片的であることから阻害されている。本論文では、生のGitHubデータをエージェントにとって実践可能な経験的メモリへと変換・統治するフレームワーク「MemGovern」を提案する。MemGovernは経験ガバナンスを採用し、人間の経験をエージェントフレンドリーな経験カードに変換する。さらに、エージェント的な経験検索戦略を導入し、人間の専門知識を論理駆動で検索することを可能にする。13万5千枚の統治された経験カードを生成することで、MemGovernは顕著な性能向上を達成し、SWE-bench Verifiedにおける解決率を4.65%向上させた。プラグイン方式として、MemGovernはエージェントフレンドリーなメモリインフラストラクチャの解決策を提供する。

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.

MemGovern: 統制された人間の経験からの学習によるコードエージェントの強化

MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences

要旨

Support