論文要約：RAT (RunAnyThing) — 完全自動化された環境構成による実行可能な環境の構築

1. 背景と課題 (Problem)

近年の大規模言語モデル（LLM）の進化により、単なるコードスニペットの生成から、リポジトリ全体の構造を扱う「リポジトリレベル」のソフトウェアエンジニアリングへと領域が拡大しています。しかし、リポジトリレベルのタスクには、複雑な依存関係や環境固有の設定が不可欠です。

現在の課題:

• 実行環境の欠如: 論理的に正しいコードであっても、実行可能な環境がなければ検証も機能確認もできません。
• 手動設定のボトルネック: 既存の自律型エージェントは、事前に定義されたDockerfileやCIログなどの「アーティファクト」に依存しており、未知のリポジトリや多様なプログラミング言語への汎用性が低いという問題があります。
• スケーラビリティの限界: 既存手法は特定の言語や既知のコンテキストに制約されており、数千規模の現実世界のプロジェクトに適用するには不十分です。

2. 提案手法 (Methodology)

本論文では、言語に依存せず、任意のプロジェクトに対して実行可能な環境を自動構築するフレームワーク RAT (RunAnyThing) を提案しています。

RATの主要コンポーネント:

RATは、LLM駆動のマルチステージ・パイプラインを採用しています。

1. Language-Agnostic Abstraction (言語非依存の抽象化):
   プロジェクト全体を理解し、主要なプログラミング言語を特定します。依存関係のパターン（pom.xml, Cargo.toml等）やパッケージマネージャー、テストランナーを統一的なインターフェースにカプセル化します。
2. ImageRetriever (初期化モジュール):
   リポジトリのドキュメントや設定ファイルを意味的に分析し、最適なベースイメージ（OS、言語バージョン、フレームワーク等）を決定します。Docker Hubを検索して、より高度に構成されたイメージをスコアリングして選択する機能も備えています。
3. Dual-Mode Planning (二段階の計画メカニズム):
   • Standard Plan Mode: 特定の言語に対応した固定の探索ワークフローを使用。
   • Automated Plan Mode: 高度な複雑なタスク向け。エージェントが自律的に plan.md という構造化された計画書を作成・更新し、長期的な推論と進捗管理を行います。
4. Specialized Agent Toolset (特化型ツールセット):
   単なるシェルコマンドではなく、環境構成に最適化された高度なツールを提供します。
   • Edit File: 差分（diff）ベースの精密な編集。
   • Issue Retrieval: 過去のIssueから解決策を検索。
   • Change Version: コンテナの状態を維持したまま言語バージョンを動的に切り替え。
   • Test Synthesis: テストがない場合に、実行可能性を確認するための「スモークテスト」を自動生成。
5. Robust Sandbox Generation (堅牢なサンドボックス生成):
   テンプレートベースのDockerfile生成メカニズムにより、ネットワーク接続（ミラーサイト設定）やツールセットが注入された信頼性の高い実行環境を構築します。

3. 主な貢献 (Key Contributions)

• RATフレームワーク: 言語に依存せず、未知のリポジトリに対しても適応可能な、モジュール化された自動環境構成フレームワークを開発。
• RATBench: 現実世界の多様性を反映した、2,000以上のGitHubリポジトリからなる大規模な多言語ベンチマークを構築。プロジェクトの規模、人気度、言語（Python, Java, Rust, JS/TS）を層化抽出により網羅しています。
• 実用的な評価指標: 単なる静的解析ではなく、実際にテストがパスするかを基準とした ESSR (Environment Setup Success Rate) を導入。

4. 実験結果 (Results)

• 高い成功率 (ESSR): RATは、Python、Java、Rust、JS/TSの全言語において、既存の強力なベースライン（SWE-agentやRepo2Runなど）を大幅に上回る性能を示しました。特に、SWE-agentと比較して平均 29.6% の改善を達成しました。
• 人間との比較: シニアエンジニアによる手動設定と比較して、RATは成功率（ESSR）においてエンジニアをわずかに上回り、実行時間は約2.25倍かかりますが、完全自動化と並列実行が可能であるという大きな利点があります。
• スケーリング則: 実行ステップ（計算予算）を増やすにつれて、ESSRが向上するという、LLMの推論におけるスケーリング則に似た特性を確認しました。
• バックボーンの頑健性: Qwen3-Coderのような比較的小規模なモデルでも、既存手法を凌駕し、Claude 4.5 SonnetやGPT-5.2のような強力なモデルと組み合わせることで、極めて高い成功率を実現しました。

5. 意義と将来展望 (Significance & Future Work)

意義:

RATは、自律型コードエージェントを「単なるコード生成器」から「信頼できる自律システム」へと進化させるための重要な基盤技術です。これにより、大規模なベンチマークの自動構築、実行ベースの強化学習（RL）、およびシステムの再現性の確保が可能になります。

将来の方向性:

• マルチサービスへの対応: 単一コンテナだけでなく、docker-compose を用いた複数サービス（DBやメッセージキュー等）の構成への拡張。
• ハードウェア依存環境: GPUドライバーやCUDAなどのハードウェアに依存する環境への対応。
• Human-in-the-loop: APIキーや機密情報が必要な場合に、人間と対話して情報を取得する仕組みの導入。