코딩 에이전트 (Coding agents)는 버그 수정, 애플리케이션 구축, 프로토타이핑과 같은 많은 다운스트림 태스크 (downstream tasks)에서 코드 생성을 가속화하기 위해 점점 더 많이 사용되고 있습니다. 그러나 코딩 어시스턴트 (coding assistants)로서의 가치에도 불구하고, 에이전트가 생성한 코드는 그에 상응하는 인간이 작성한 구현체보다 더 크고 장황해지는 경향이 있습니다. 본 연구에서는 그 원인이 에이전트 자체의 탐색 과정 (search process)에 있음을 보여줍니다. 즉, 통과하는 솔루션을 향해 반복하는 동안, 에이전트는 추측성 편집 (speculative edits), 버려진 가설 (abandoned hypotheses), 그리고 최종 패치 (final patch)까지 남아있는 일시적인 변경 사항들을 축적합니다. 단일 패치에 대해서는 이것이 무해해 보일 수 있지만, 에이전트가 점점 더 큰 코드베이스 (codebase) 영역을 책임지게 됨에 따라 문제는 복합적으로 나타납니다. 한때 최소한의 규모로 잘 유지되던 코드베이스가 정리되는 속도보다 더 빠르게 중복성을 축적하며, 유지보수가 더 어려운 상태로 표류하게 됩니다. 이 문제의 심각성을 고려하여, 우리는 이 문제를 완화하기 위한 단계를 밟고자 합니다. 먼저, 우리는 이 현상을 AI 생성 코드에서 흔히 볼 수 있는 잔여적이고 기능적으로 불필요한 편집인 코드 슬롭 (CodeSlop)으로 공식 정의합니다. 그런 다음 우리는 TRIM (Trajectory-guided Redundancy Identification and Minimization) 알고리즘을 소개합니다. TRIM은 코드 슬롭 (CodeSlop)을 직접적으로 최소화하는 대신, 에이전트 궤적 (agent trajectories)을 최소화합니다. 경험적으로 보여주듯이, 코드 슬롭 (CodeSlop)을 최소화하는 이 간접적인 기술은 매우 효과적입니다. TRIM은 성능 저하를 거의 일으키지 않으면서 에이전트 스캐폴드 (agentic scaffolds) 전반에서 코드 슬롭 (CodeSlop)을 17.9%~32.9%까지 절감합니다. 또한 TRIM은 매우 효율적이어서, 델타 디버깅 (Delta Debugging)과 같은 알고리즘 베이스라인 (algorithmic baselines)의 검증 비용의 약 절반만을 필요로 합니다.