Newest papers

PAUSE: Search-Free Steering of Coding Agents Before Their First Source-Code Edit

Viral Patel, 谭博引, Jason Xue, Youcheng Sun · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.29870 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Các phương pháp điều khiển trực tuyến hiện có có thể kiểm tra quỹ đạo định kỳ hoặc kêu gọi một cố vấn xác minh khi màn hình phát hiện các vấn đề về hành vi; thường xuyên đánh giá tốn kém, và sự vắng mặt của hành vi bất thường không có nghĩa là một tác nhân đang đi đúng hướng. Chúng tôi đề xuất PAUSE, một khuôn khổ để điều khiển các tác nhân mã hóa với một sự can thiệp lập kế hoạch duy nhất. Các tác nhân xác minh chỉnh sửa mã nguồn đầu tiên của họ ở mức trung bình 60% của tiến độ quỹ đạo, sau khi khám phá, tái tạo lỗi và thử nghiệm. PAUSE chặn yêu cầu này trước khi thực hiện, không yêu cầu giám sát viên trực tuyến, không cần tìm kiếm trên các điểm kiểm tra trước, và không cần gọi mô hình bổ sung (không có kế hoạch tìm kiếm). Một người lập kế hoạch độc lập đọc nhiệm vụ và bản sao

Machine translation (Meta M2M100); the English original follows.

Abstract

Coding agents can invest substantial effort in repository exploration and testing yet still produce unsuccessful patches. Existing online steering methods review trajectories periodically or invoke an advisor when a monitor detects behavioral problems; frequent reviews are costly, and the absence of anomalous behavior does not mean that an agent is on the right track. We propose PAUSE, a framework for steering coding agents with a single planning intervention. Agents reach their first source-code edit at a median of 60% of trajectory progress, after exploration, bug reproduction, and testing. PAUSE intercepts this edit request before it executes, which requires no learned monitor, no search over checkpoints, and no extra model call (search-free). A separate Planner reads the task and the pre-edit transcript and writes one repair plan; the same agent, the Executor, resumes with this plan, keeping its context and workspace. PAUSE applies online, during a live run, and offline, from a recorded trajectory prefix. We evaluate PAUSE on SWE-bench Verified and SWE-bench Multilingual with two Executors and three agent harnesses. With Qwen3-coder as Executor and GPT-5.6 Sol as Planner, online steering improves resolution by 16.8% on Verified in OpenHands and by 14.7% on Multilingual in SWE-agent. In SWE-agent, PAUSE outperforms LivePlan, a rule-triggered advisor, by 3.2% on Verified and 3.7% on Multilingual at similar Planner cost, and is comparable to SICA's periodic overseer at about 11-15% of its Planner cost. Offline, PAUSE recovers 35.4% of eligible failed Verified tasks, and resuming from the recorded prefix uses 33-41% fewer Executor tokens than restarting.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Executor, Computer science, Coding (social sciences), Planner, Context (archaeology), Encoder

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange