آرشیو مقاله‌ها همه‌ی مقاله‌هاموضوع‌هالابراتوارهاجستجودرباره
همه‌ی مقاله‌هاموضوع‌هالابراتوارهاجستجودرباره
خانه مقاله‌ها مقاله‌ی 2610.10444

مقاله‌ی arXiv:2610.10444 · منتشرشده در کانال

RunningTab: Direct Workspace Interaction with Environment-Side Tabs

رانینگ‌تب: تعامل مستقیم با فضای کاری با یک «صورت‌حساب» سمت محیط که پیگیری می‌کند تسک هنوز چه کم دارد

تاریخ
(۱۵ مهر ۱۴۰۵) 2026-10-07 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
نویسنده‌ها
Jinheon Baek, Soyeong Jeong, Yumin Choi, Dongsu Han, Sung Ju Hwang
نهاد نویسنده‌ها
KAIST; DeepAuto.ai
برچسب لابراتوار
دیپ‌سیک

خلاصه‌ی فارسی

مسئله

بیشتر کارهای دانشی، خروجی تازه‌ای را از فایل‌های موجود در یک فضای کاری می‌سازند و ایجنت‌ها شروع به انجام این کار کرده‌اند. ایجنت می‌تواند از ترمینال بدون نمایه‌سازی هر فایلی را جست‌وجو و بخواند، اما رسیدن به فایل‌ها نیمی از کار است: هیچ چیز پیگیری نمی‌کند تسک چه می‌خواهد، چه خوانده شده و چه فهرست شده ولی باز نشده، و همه‌ی این‌ها بی‌ردپا از پنجره‌ی کانتکست بیرون می‌روند. مثلاً ایجنت ممکن است یک عدد را استخراج کند و باز هم گزارش را بدون آن تحویل دهد.

روش

چارچوب RunningTab به تعامل مستقیم با فضای کاری یک «تب» سمت محیط می‌دهد: رکوردی برای هر تسک از آنچه هنوز بدهکار است که محیط کنار ایجنت نگه می‌دارد. ایجنت الزام‌ها را اضافه می‌کند و محیط هر فایل خوانده‌شده را به شکل گزیده با منشأ و هر فایل فهرست‌شده ولی بازنشده را به عنوان نامزد ثبت می‌کند. ایجنت هر الزام را کنار بهترین گزیده‌ها و نامزدهای بازنشده می‌بیند، آن را با محتوای منطبق حل می‌کند یا با دلیل کنار می‌گذارد، و اگر بخواهد با الزام‌های باز تمام کند، در یک بررسی پایانی آن‌ها را دریافت می‌کند.

یافته‌ها

  • روی سه بنچمارک با سه مدل زبانی، پیوسته از تعامل مستقیم ساده و پایه‌هایی که رکورد را درون مدل نگه می‌دارند بهتر بود.
  • تب معمولاً مقدارهایی را که خروجی نهایی لازم دارد، پس از دیده شدن نگه می‌دارد.

محدودیت‌ها

مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد و چکیده اندازه‌ی عددی بهبود را نمی‌گوید.

چرا مهم است

ایجنت‌ها اغلب اطلاعاتی را که پیدا کرده‌اند فراموش می‌کنند. سپردن دفترداری به محیط به جای حافظه‌ی مدل، راه ساده‌ای برای جلوگیری از گزارش‌های ناقص است.