技術要約：RPG-Encoderによるループの閉鎖

問題提起

現在のリポジトリレベルのソフトウェアエンジニアリング・エージェントは、断片的な表現に起因する「推論の断絶（reasoning disconnect）」に直面している。既存の手法は、通常、孤立したAPIドキュメントまたは依存関係グラフのいずれかに依存しているが、そのどちらも完全な全体像を提供できていない。

• APIドキュメント: セマンティックな意図については豊富であるが、冗長で非構造的であり、グローバルなナビゲーション性に欠ける。エージェントは建築的な接続性を推論することに苦慮し、長期的な推論において困難が生じる。
• 依存関係グラフ: 高度に構造化されており実行中心ではあるが、セマンティックな深さに制限がある。エージェントは実行パスを辿ることはできるが、根底にある論理や高レベルの意図を反映させることに失敗することが多い。

さらに、これらの表現とコードベースとの一貫性を維持するには、法外なオーバーヘッドが発生する。ドキュメントはセマンティックなドリフト（意味の乖離）が起こりやすく、静的なグラフは更新時に論理的な含意を見落としがちである。本論文は、この断絶の原因が、リポジトリの理解を「生成（意図をコードへと展開すること）」と「理解（コードを意図へと圧縮すること）」の間の固有の対称性を無視し、リポジトリ理解を孤立した一方向のタスクとして扱っていることにあると主張している。

手法：RPG-Encoder

著者らは、静的な生成用ブループリントとしてのRepository Planning Graph (RPG)を、統一された高忠実度の双方向表現へと一般化するフレームワークであるRPG-Encoderを提案する。このシステムは、以下の3つの結束したメカニズムを通じて動作する。

1. エンコーディング：セマンティック・リフティングと階層的抽出

本フレームワークは、3段階のパイプラインを通じて、生のコードベースを構造化されたセマンティック・インデックスへと変換する。

• セマンティック・リフティング (Semantic Lifting): コードの実体（関数、クラス）を解析し、原子レベルのセマンティック特徴（「どのように」ではなく、「何を」するかを記述する動詞・目的語句）を抽出する。これらは、機能的な記述と構造的メタデータ（ファイルパス、型）の両方を含む低レベルノード ($V_L$) にマッピングされる。
• セマンティック構造の再編成 (Semantic Structure Reorganization): 物理的なフォルダ構造の限界を克服するため、システムは潜在的な機能的トポロジーを復元する。機能的抽象化 (Functional Abstraction) を行い、高レベルの機能的セントロイド（例：「データ前処理」）を特定し、階層的集約 (Hierarchical Aggregation) を通じて、低レベルノードをこれらのセントロイドに再帰的にリンクさせ、高レベルノード集合 ($V_H$) を作成する。
• アーティファクトへの接地 (Artifact Grounding): 抽象的な階層を物理的なアーティファクトに固定する。最小共通祖先 (LCA) メカニズムにより、抽象ノードを特定のディレクトリ範囲にマッピングする。さらに、AST解析を通じて依存関係エッジ ($E_{dep}$) を注入し、インポートや呼び出しを捕捉することで、デュアルビュー・グラフ（機能的ビュー + 依存関係ビュー）を完成させる。

2. 進化：増分的なメンテナンス

メンテナンスコストをリポジトリの規模から切り離すため、RPG-Encoderはフル再生成ではなく、増分更新戦略を採用する。

• コミットレベルの特徴抽出: システムはコミットの差分（diff）を解析し、影響を受けるコード断片を特定する。
• アトミックな更新: 差分のタイプに基づき、以下の3つのプロトコルを実行する。
  • 削除 (Deletion): ノードを削除し、空になった親カテゴリを再帰的に刈り取る。
  • 修正 (Modification): 機能的な意図の変化が検出された場合にのみセマンティックな記述を更新する。それ以外の場合は、構造的安定性を維持するためにインプレースでの更新を行う。
  • 追加 (Addition): 新しい実体を、既存の機能的セントロイドに対してそのセマンティクスを照合することで挿入する。
    このアプローチにより、フル再構築と比較してメンテナンスのオーバーヘッドを**95.7%**削減する。

3. 操作：統一された推論基盤

RPGは、エージェントによる推論のためのクエリ可能なインターフェースとして機能し、以下の3つのコアツールを提供する。

• SearchNode: 意図をセマンティック特徴に照らし合わせる、あるいはメタデータでフィルタリングすることでグローバルな検索を行い、機能的ビューと依存関係ビューの両方にわたる精密なローカライズを可能にする。
• FetchNode: 検証された候補の正確なソースコンテキストとメタデータを取得し、エージェントが推測ではなく真実に基づいて推論することを保証する。
• ExploreRPG: 依存関係エッジに沿ったクロスビュー・トラバーサルを促進し、非構造化検索のノイズなしに、エージェントを複雑な実行フローへと導く。

主な貢献

1. 統一された表現: 本論文は、RPGを、理解と生成の間のループを閉じる双方向表現へと一般化し、セマンティックな意図と構造的な依存関係が結びついた統一されたサイクルとして、リポジトリ推論を理論的に基礎付けている。
2. RPG-Encoderフレームワーク: コードから高レベルの意図を復元するためのセマンティック・リフティング・プロトコルを実装し、差分更新による持続可能な進化をサポートするシステム。
3. デュアルタスク検証: 本フレームワークは、リポジトリ理解（ローカライズ）とリポジトリ再構築の両方で検証され、優れたナビゲーション能力と高忠実度の表現能力を示している。

実験結果

著者らは、SWE-bench Verified、SWE-bench Live Lite、およびRepoCraftを用いてRPG-Encoderを評価した。

• リポジトリ理解 (ローカライズ):

  • SWE-bench Verified において、RPG-Encoder（Claude-4.5-Sonnetを使用）は、関数レベルで 93.7% Acc@5 を達成し、最良のベースライン（OrcaLoca）を 14.4パーセントポイント 上回った。
  • SWE-bench Live Lite においては、ローカライズ精度において最良のベースラインを10%以上上回った。
  • デュアルビュー構造（セマンティック + トポロジカル）は、不適切なノイズを排除しつつ包括的なカバレッジを確保することで、微細なローカライズを大幅に改善した。

• リポジトリ再構築:

  • RepoCraft において、RPG-Encoderは 98.5%のカバレッジ と 86.0%のパス率（GPT-5-miniを使用）を達成し、ドキュメントベースのベースラインをカバレッジにおいて33ポイント以上上回った。
  • ドキュメントに依存するベースラインは、構造的なガイダンスの欠如により、元のコードボリュームの約17%しか復元できなかったが、RPG-Encoderはscikit-learn（例：約55万トークン）のような人間が書いたゴールドスタンダードと同等のコードボリュームを再構築した。

• 効率性:

  • RPG-Encoderは、最も高いコスト対効果（Acc@5/Cost）を示し、OrcaLocaやLocAgentなどのベースラインよりも少ないステップ数と低いトークン消費量で動作した。
  • 増分メンテナンス戦略により、フル再構築と比較して、精度における統計的同等性を維持しながら、更新のためのトークン消費量を 95.7%（約14.7Mから約633Kトークンへ）削減した。

意義と主張

本論文は、RPG-Encoderがクローズドループ・ソフトウェアエンジニアリングのための強固な基盤を確立すると主張している。セマンティックな意図と構造的な実装の間のギャップを埋めることで、エージェントは以下を可能にする。

• 高レベルの意図を具体的な実装ユニットへと効果的にマッピングし、きめ細かな精度で複雑なコードベースをナビゲートする。
• 完全なリポジトリのセマンティクスとアーキテクチャのモジュール性を保持し、高い忠実度でリポジトリを再構築する。
• 増分進化メカニズムにより、法外な計算コストをかけることなく一貫性を確保し、大規模なスケールにおいても持続可能に運用する。

著者らは、RPG-Encoderの成功は、セマンティック特徴とトポロジカルな制約の相互強化に依存していることを強調している。どちらかのコンポーネントを取り除くと性能が著しく低下することから、密なセマンティクスと構造的な厳密さを組み合わせた統一された表現が、効果的なリポジトリレベルの推論には不可欠であることが確認された。