코딩 에이전트(Coding agents)는 기능 구현, 버그 수정, 리팩토링(refactorings), 테스트 및 설정 편집이 혼합된 하나의 스쿼시된 패치(squashed patch)를 반환함으로써 세션을 종료하는 경우가 많습니다. 최종 코드는 정확할 수 있지만, 관련 없는 편집 사항들을 하나의 패치로 병합하면 리뷰, 선택적 되돌리기(selective revert) 및 추후 유지보수에 필요한 히스토리 구조가 사라지게 됩니다. 우리는 회고적 커밋 히스토리 재구성(retrospective commit-history reconstruction)을 연구합니다. 즉, 완료된 스쿼시된 변경 사항이 주어졌을 때, 에이전트가 그 헌크(hunks)들을 커밋으로 그룹화하고 재생 가능한 커밋 시퀀스(replayable commit sequence)를 구체화하는 작업입니다. 우리는 이 과업을 재생 요구 사항(replay requirement)이 있는 헌크-투-커밋 분할(hunk-to-commit partitioning)로 공식화하고, 10개의 Python 프로젝트에서 추출한 800개의 실제 연속 커밋 에피소드를 포함하는 AtomicCommitBench를 구축했습니다. 여러 가지 분해 방식이 합리적일 수 있으므로, 우리는 상호 보완적인 지표를 사용하여 출력을 평가합니다: 재생 유효성을 위한 PPAR, 참조 기반 그룹화 품질을 위한 ARI, 그리고 점수화 가능한 수정된 테스트 에피소드에서의 실패 격리(failure containment)를 위한 TCR입니다. 자연적인 회고적 재구성은 재생 확인(replay checking)이나 합성된 엉킴(synthetic tangling)보다 실질적으로 더 어렵다는 것이 증명되었습니다. 거의 모든 비무작위 방식이 재생 유효성(PPAR >= 0.988)을 달성하지만, 그룹화 품질은 0.03에서 0.46 ARI 사이의 범위를 보입니다. 매칭된 합성 복합체(synthetic composites)는 실제 동일 저자의 스쿼시된 디프(squashed diffs)보다 훨씬 쉽습니다 (+0.333 ARI). 우리의 평가에서, Codex CLI에 의해 구동되는 GPT-5.4 설정(0.46 ARI)과 Claude Code에 의해 구동되는 GLM-5 설정(0.43 ARI)이 MiniMax(0.31)와 Kimi(0.29)보다 우수한 성능을 보였습니다. 질적 분석을 통해 동일 파일 뭉치기(same-file lumping)와 지원 헌크 표류(support-hunk drift)가 반복되는 실패 모드임을 확인했습니다. 의존성 인식 커밋 증거(Dependency-Aware Commit Evidence, DACE)는 낮은 점수를 받은 설정들의 ARI를 0.05에서 0.08만큼 향상시켰으며, 이는 의존성 단서와 헌크 역할 정보가 에이전트가 지역성 기반 그룹화 오류(locality-driven grouping errors)를 피하는 데 도움이 된다는 것을 나타냅니다. AtomicCommitBench는 최종 코드와 함께 코딩 에이전트가 생성한 커밋 히스토리를 평가할 수 있게 해줍니다.