MemGovern: Повышение эффективности код-агентов за счет обучения на управляемом человеческом опыте
MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences
January 11, 2026
Авторы: 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
Аннотация
В то время как автономные агенты программной инженерии меняют парадигмы программирования, они в настоящее время страдают от ограничения «закрытого мира»: они пытаются исправлять ошибки с нуля или только с использованием локального контекста, игнорируя огромный исторический человеческий опыт, доступный на таких платформах, как GitHub. Доступ к этому опыту «открытого мира» затруднен из-за неструктурированной и фрагментированной природы реальных данных систем отслеживания проблем. В этой статье мы представляем MemGovern — фреймворк, предназначенный для управления и преобразования сырых данных GitHub в полезную для агентов эмпирическую память. MemGovern использует управление опытом для преобразования человеческого опыта в удобные для агентов карты опыта и представляет стратегию агентского поиска опыта, которая позволяет осуществлять логически управляемое извлечение человеческих экспертных знаний. Создав 135 000 управляемых карт опыта, MemGovern добивается значительного повышения производительности, улучшая показатель успешного решения задач в SWE-bench Verified на 4,65%. Будучи подходом типа plug-in, MemGovern предлагает решение для создания удобной для агентов инфраструктуры памяти.
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.