MemGovern: Verbetering van Code-agents door te leren van beheerde menselijke ervaringen
MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences
January 11, 2026
Auteurs: 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
Samenvatting
Hoewel autonome software engineering (SWE) agents de programmeerparadigma's aan het hervormen zijn, lijden ze momenteel onder een "gesloten-wereld" beperking: ze proberen bugs vanaf nul op te lossen of uitsluitend gebruikmakend van lokale context, waarbij ze de immense historische menselijke ervaring die beschikbaar is op platformen zoals GitHub negeren. Toegang tot deze open-wereld ervaring wordt belemmerd door de ongestructureerde en gefragmenteerde aard van real-world data uit issue-tracking systemen. In dit artikel introduceren we MemGovern, een framework ontworpen om ruwe GitHub-data te besturen en om te zetten in bruikbare ervaringsgeheugens voor agents. MemGovern hanteert ervaringsbestuur om menselijke ervaring om te zetten in agent-vriendelijke ervaringskaarten en introduceert een agent-gerichte ervaringszoekstrategie die logica-gestuurd herstel van menselijke expertise mogelijk maakt. Door het produceren van 135K beheerde ervaringskaarten bereikt MemGovern een significante prestatieverbetering, waarbij de oplossingspercentages op de SWE-bench Verified met 4.65% toenemen. Als een plug-in benadering biedt MemGovern een oplossing voor een agent-vriendelijke geheugeninfrastructuur.
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.