研究者らは、実行トレースから高S/N比のコンテキストを構築することで長期エージェントの最適化を目的としたSTRACE（構造的軌跡分析と因果抽出）フレームワークを発表した。本手法は、バッチレベルで失敗パターンをマイニングして冗長性をフィルタリングすることで、冗長かつ異種なデータの非効率性に対処する。

  • バッチレベルにおいて、STRACEは失敗パターンをマイニングして冗長なトレースをフィルタリングし、代表的な失敗を保持する。
  • 選択されたトレース内では、テキスト依存グラフ上で因果の局所化を実行し、非因果的なステップを除去して真の根本原因モジュールを特定する。
  • VeruSAGE-Bench形式検証タスクにおいて、STRACEは成功率を42.5%から58.5%に向上させ、人間専門家設計のエージェントに対して1.4倍の改善を実現した。

このフレームワークは、因果的に重要な証拠を廃棄することなく正確な最適化シグナルを提供することで、標準的なコンテキストフィルタリングのベースラインを大幅に上回る。