Chenxi Huang, Haonan Wang, Jinghe Zhang, Aleksandr Nogikh, Franjo Ivančić, Petros Maniatis, Eugene Wu, Kostis Kaffes · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29332 · open-access PDF
Các đại lý mã hóa ngày càng có khả năng khắc phục các lỗi trong thế giới thực, nhưng họ vẫn phải vật lộn với các cơ sở mã hệ thống lớn như kernel Linux. Để hiểu lý do, chúng tôi kiểm tra cách các đại lý lý luận về việc thực hiện trong các cơ sở mã này thông qua lý luận crash: dự đoán từ mã nguồn nếu một đầu vào nhất định sẽ thất bại trong hệ thống. Tuy nhiên, một dự đoán chính xác một mình không thiết lập khả năng này, vì nó có thể đến từ việc chỉ phát hiện mã đáng ngờ. Trong bài báo này, chúng tôi đề xuất can thiệp nguồn: chúng tôi ghép các cây nguồn khác nhau bằng một cam kết duy nhất, để cùng một đầu vào chỉ thất bại một trong số chúng, và
Machine translation (Meta M2M100); the English original follows.
Coding agents are increasingly capable of fixing real-world bugs, yet they still struggle with large systems codebases such as the Linux kernel. To understand why, we test how agents reason about execution in these codebases through crash reasoning: predicting from source code whether a given input crashes the system. A correct prediction alone, however, does not establish this ability, since it may come from merely spotting suspicious code. In this paper, we propose source interventions: we pair source trees that differ by a single commit, so that the same input crashes only one of them, and
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29332, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange