非同期ソフトウェアエンジニアリング・エージェントに対する効果的な戦略

要旨: AIエージェントは、Github上の課題解決のような、孤立したソフトウェア工学（SWE）タスクにおいてますます高い能力を示すようになってきました。ですが、相互に依存する複数の下位タスクを含む長期的タスクは、精度の面でも、タイムリーな完了の面でも依然として課題があります。これらの長期的タスクを適切な時期に解決するための自然なアプローチは、非同期のマルチエージェント協調です。そこでは複数のエージェントがタスクの異なる部分に同時に取り組みます。しかし、マルチエージェントシステムを効果的に適用することは、驚くほど難しいことが分かっています。複数のエージェントによる同時編集が互いに干渉し合い、依存関係の同期が困難であり、部分的な進捗を一貫した全体へ統合することも難しいからです。一方で、人間の開発者は長年、大規模なソフトウェアプロジェクトにおいて、これらの課題を管理するために成熟した協調基盤に依存してきました。これらの協調プリミティブに着想を得て、本研究では、中央集権的非同期隔離委譲（CAID）を提案します。これは、3つの中核となるSWEプリミティブに基づく、構造化されたマルチエージェント調整パラダイムです。すなわち、中央集権的なタスク委譲、非同期実行、隔離されたワークスペースです。CAIDは、中央マネージャによって依存関係を考慮したタスク計画を構築し、隔離されたワークスペース上で下位タスクを並行に実行し、実行可能なテストに基づく検証と構造化された統合によって進捗を取りまとめます。実証評価の結果、CAIDは、ペーパー再現タスク（PaperBench）において単一エージェントのベースラインよりも絶対値で26.7%、またPythonライブラリ開発タスク（Commit0）で14.3%だけ精度を向上させることが分かりました。体系的な分析により、ブランチ・アンド・マージがマルチエージェント協調における中心的な調整メカニズムであり、git worktree、git commit、git merge といったSWEプリミティブが、それを信頼性の高い形で、かつ実行可能な形で実現することを可能にすることが分かりました。