コーディングエージェントは進化するリポジトリで連続タスクを処理し、次のタスクが分かる前に編集と記憶を引き継ぐ。論文は、履歴の注入・要約・検索型の記憶が抱える「保持する情報の有用性と、読み書き自体のコスト」の両立を、次のタスクで測った実測値で解く枠組みとしてCoReMemを提示する。著者らの測定では、比較した既存の記憶形態はステップ数と総トークンの両方が下がる領域に届かず、記憶に費やすトークンが節約を上回る。
記憶の作り方: 次のタスクで価値を測ってアンカーに圧縮
第1の要素は予見的セグメント評価だ。同じ引き継ぎ済みリポジトリ状態から、次のタスクを個々の軌跡セグメントあり・なしで実行して比較し、セグメントを取り除いたときのステップ数とトークン数の中央値の変化でその価値を測る。取り除くとステップが増える、つまり次のタスクの労力を減らす部分だけが記憶に残る。第2の要素はアンカーへの圧縮だ。残る部分は、rules/ast_if.py:34-58のようなリポジトリ位置(ファイルパス、行、名前)と、コードを実行・検査するコマンド(検証)の形に整えられる。アンカーは出典をたどれるため、記憶の中身が根拠を持って確認できる。
- 01 前タスクの軌跡
セグメントに分割
完了したタスクの実行履歴をセグメントに分ける。
- 02 予見的セグメント評価
あり・なしで比較
同じ引き継ぎ状態で次のタスクをセグメントあり・なしで実行し、ステップとトークンの中央値変化で価値を測る。
- 03 アンカーへ圧縮
位置+検証
価値が残る部分をリポジトリ位置と実行可能な検証コマンドのアンカーにして記憶する。
- 04 次タスクで参照
出典ゲート
俳優モデルが記憶を参照し、アンカーを使ったステップを出典で検出する。
- 05 適応学習
価値を報酬に反映
記憶あり・なしのロールアウト群で測った価値を、アンカーを使ったステップに配分して俳優モデルを学習する。
構成と順序は論文3章の記述。価値の定義はセグメント除去時のステップ数・トークン数の中央値変化。
第3の要素は俳優モデルの適応だ。同じタスクを記憶あり・なしで実行するロールアウト群の価値を測り、解決を優先して成功した実行のステップ数を罰する報酬でモデルを学習する。このときprovenance-gated value creditとして、記憶由来のアンカーを使ったと検出されたステップに追加の価値を配分する。すべてのステップは成果そのものの信用を保持したままで、追加分はアンカーを使ったステップにだけ上乗せされる。27Bと9BのモデルはLoRAで追加学習し、Gemma-4-31Bは8更新の学習でチェックポイント選択をしていない。
解決率
- 記憶なし
- 21.0%
- CoReMem
- 25.7%
ステップ数
- 記憶なし
- 基準
- CoReMem
- 17%減
総トークン(キャッシュ考慮・記憶呼び出し込み)
- 記憶なし
- 基準
- CoReMem
- 11%減
数値は著者らの報告(未査読プレプリント)。比較対象は記憶なしの未学習俳優モデル(Qwen3.8-27B-FP8)で、効果には記憶の構成と俳優モデルの追加学習の両方が含まれる。3つの公開重みモデルでは、記憶なし比の1トークン当たり解決率が平均+41%(38〜46%)。統計は48テストチェーンのchain-cluster bootstrap 95%区間。
評価: 6つのアクターモデルと連続タスクのベンチマーク
評価に使うChainSWEは連続タスクのベンチマークで、プロトコルはSWE-bench Verifiedに準拠し、48のテストチェーンで統計を取る。有意性の判定はチェーンをclusterとしたbootstrap 95%区間で行う。対象のアクターモデルは6種で、追加学習する公開重み3種(Qwen3.5-9B、Qwen3.8-27B-FP8、Gemma-4-31B)と、追加学習なしで比較するAPI提供3種(Claude Opus 5.5、GPT-5.6 Luna、DeepSeek-V4-Flash)。実行環境はmini-swe-agentで、タスクはPythonリポジトリだ。
読み取れる位置づけとして、開発チームは記憶の量そのものでなく、再調査の削減やテストの成功といった次のタスクでの実利を指標にできる。一方で注意も多い。本稿は未査読プレプリントで、数値は著者報告だ。解決率の伸びは+4.7ポイントで、トークン11%減はキャッシュを考慮した計測であり、請求額の削減を保証しない。冒頭の比較には記憶の構成と追加学習の複合が含まれ、記憶だけ・学習だけの寄与分離は本稿の確認範囲では読み取れない。コードは論文に匿名リンクの記載があるのみで、公開リポジトリは2026-11-15時点で確認できていない。適用範囲はPythonリポジトリとmini-swe-agentに限られ、他言語やより大きなモデル、実時間・エネルギーの計測、長いリポジトリ履歴での記憶の蓄積と更新は論文自身が今後の課題としている。
arXiv投稿
arXiv:2611.17316のv1を18:58 UTCに投稿。
解説報道
公開を伝える二次解説が登場(casrai.org、独立実験ではない)。
現時点の確認
コードは匿名リンクの記載のみで、公開リポジトリは確認できていない。
日付はarXivの投稿履歴とcasrai.orgの解説日付。2026-11-15時点の確認。
出典
- arXiv: CoReMem: Cost-Internalizing Memory for Successive Coding Tasks with Prospective Valuation投稿日時(v1 2026-11-12 18:58 UTC)、著者9名と所属(Yale、清華大学、Goodvision AI)、要約(予見的セグメント評価、アンカー構成の記憶、出典ゲート付き価値配分、ChainSWEでの21.0%→25.7%・ステップ17%減・トークン11%減)。
- 同論文のHTML本文(arXiv)セグメント価値の中央値定義、アンカーの例(rules/ast_if.py:34-58)、provenance-gated value creditの報酬設計、6アクター構成(Qwen3.5-9B、Qwen3.8-27B-FP8、Gemma-4-31B、Claude Opus 5.5、GPT-5.6 Luna、DeepSeek-V4-Flash)とLoRA・8更新、48テストチェーンのchain-cluster bootstrap、既存記憶形態がステップとトークンの両下がりに届かない測定、限界(Python・mini-swe-agent限定、実時間未報告、コードは匿名リンク)。
- casrai.orgの解説(二次報道)公開の伝達(2026-11-14付)。数値の独立検証ではない。
出典の確認日 2026.11.15