公開：2026年10月27日, 最終更新：2026年10月27日
Sangeeta Warrierら3名の研究者が2026年10月22日にarXivで公開した論文において、リポジトリ規模のバグ箇所特定手法「CuraLoc」を提案した。CuraLocは、コード検査の計画を事前に一括して立てることで、反復的なモデル呼び出しを不要とし、トークン使用量を大幅に削減しながら既存手法を上回る精度を達成したと報告している。
30秒サマリー
- CuraLocはバグ箇所の検査計画を事前に一括立案し、LLMへの反復呼び出しをなくす新手法
- SWE-Bench VerifiedでGPT-5.2使用時、LocAgentより高精度・トークン90.3%削減を達成
- GPT-5.2とGPT-6 Astraの両モデルで有効性を確認、異なるバックボーンへの対応も示す
CuraLocの手法と評価結果
CuraLocは、バグレポートからコードの修正箇所を特定する「リポジトリレベルのフォルト・ローカリゼーション」において、従来手法が抱える課題に取り組む。既存手法の多くは、言語モデルが検査対象コードを逐次的に決定するため、モデル呼び出しとトークン消費が膨大になる傾向があった。
CuraLocは、まず候補ファイルを選択し、各ファイル内のシンボル（関数・クラス等）をコンパクトな振る舞い・構造の記述として表現する。その上で、モデルが「一度の計画決定」の中で、起点とするシンボルの選択・検査すべきコード関係の選択・修正箇所に関する仮説形成を同時に行う。その後、確定的な検索（決定論的リトリーバル）によって必要なソースコードを収集し、仮説に基づく最終ランキングを実施する。この設計により、モデルの推論はコードの選択と比較に集中し、各取得ステップの制御はモデルに委ねない。
評価はSWE-Bench LiteおよびSWE-Bench Verifiedデータセットで実施された。SWE-Bench VerifiedでGPT-5.2を使用した場合、CuraLocはFunc@1スコアでLocAgentの53.8%から59.3%へと向上させ、同時に記録トークン数を90.3%削減した。同指標でRepoSearcher（56.2%）およびAgentless（39.6%）も上回った。SWE-Bench LiteではFunc@5精度が83.8%に達し、Agentlessと比較して相対精度で15%超の改善を示した。また、GPT-5.2とGPT-6 Astraの両モデルバックボーンで高い精度が確認されたと論文は述べている。
CuraLocの主な仕様・数値
- 評価データセット：SWE-Bench Lite、SWE-Bench Verified
- Func@1（SWE-Bench Verified、GPT-5.2）：59.3%
- 比較：LocAgentのFunc@1：53.8%
- 比較：RepoSearcherのFunc@1：56.2%
- 比較：AgentlessのFunc@1：39.6%
- トークン削減率（対LocAgent）：90.3%削減
- Func@5（SWE-Bench Lite）：83.8%
- 対応モデルバックボーン：GPT-5.2、GPT-6 Astra
出典: arXiv cs.LG（論文）
なぜ重要か（編集部の分析）
編集部の見立てでは、CuraLocの意義はコスト削減と精度向上の同時達成にある。LLMを用いたコード解析は推論コストが開発実用化の障壁となっているが、「事前計画＋決定論的検索」というアーキテクチャにより、トークン消費を9割超削減しながら精度を改善できるという方向性を示した点は注目に値する。AI駆動の自動デバッグ・コードレビューを実務に組み込む際の費用対効果の見通しを変える可能性がある。
日本企業への示唆（編集部の分析）
編集部の分析として、日本企業のソフトウェア開発・品質保証部門にとって示唆するのは、LLMをコードレビューや障害対応に活用する際の「推論コスト」問題に対して、設計段階での工夫（反復呼び出しの排除・事前計画化）が有効な解決策となり得るという点だ。外部APIのトークン費用を抑制しながら精度を確保できるなら、AIを用いた自動バグ特定ツールの本番導入検討が現実的になる。調達・PoC段階ではトークン効率を評価軸に加えることが望ましい。
背景・経緯
リポジトリ規模のバグ箇所特定は、大規模コードベースを持つ開発現場での課題であり、SWE-Benchシリーズはその標準的な評価基準として広く参照されている。既存のLocAgent、RepoSearcher、Agentlessといった手法が比較対象として論文に登場しており、本研究はその延長線上に位置づけられる。GPT-5.2やGPT-6 Astraはバックボーンモデルとして使用されているが、これらモデルの詳細は原文では言及がない。
CuraLocについてよくある質問
Q. CuraLocは既存のバグ特定手法と比べてどれだけトークンを削減できるのか？
A. 論文によれば、SWE-Bench VerifiedでGPT-5.2を使用した場合、CuraLocはLocAgentと比較して記録トークン数を90.3%削減したと報告されている。
Q. CuraLocの精度（Func@1）はSWE-Bench Verifiedでどの程度か？
A. GPT-5.2使用時にFunc@1が59.3%を達成し、比較対象のLocAgent（53.8%）、RepoSearcher（56.2%）、Agentless（39.6%）をいずれも上回ったと論文は述べている。
Q. CuraLocはどのLLMバックボーンに対応しているか？
A. 論文では、GPT-5.2とGPT-6 Astraの両モデルで高い局在化精度が確認されたと報告されており、複数のモデルバックボーンをサポートするとしている。
