論文の概要: Understanding the Helpfulness of Stale Bot for Pull-based Development: An Empirical Study of 20 Large Open-Source Projects

• arxiv url: http://arxiv.org/abs/2305.18150v1
• Date: Mon, 29 May 2023 15:25:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-10-24 05:04:04.916182
• Title: Understanding the Helpfulness of Stale Bot for Pull-based Development: An Empirical Study of 20 Large Open-Source Projects
• Title（参考訳）: プルベース開発における静的ボットの有用性の理解:20大オープンソースプロジェクトの実証的研究
• Authors: SayedHassan Khatoonabadi, Diego Elias Costa, Suhaib Mujahid, Emad Shihab
• Abstract要約: StalebotはGitHubによって導入され、このようなアクティブでないPRを自動的に追跡、追跡、クローズする。 20の大規模で人気のあるオープンソースプロジェクトについて、実証的研究を行いました。 Staleボットは、未解決のPRのバックログを扱うのに役立ちます。 しかし、Staleボットは、プロジェクトが採用後にアクティブなコントリビュータの数が大幅に減少しているため、コントリビュータに悪影響を及ぼす可能性がある。
• 参考スコア（独自算出の注目度）: 5.0760915931572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pull Requests (PRs) that are neither progressed nor resolved clutter the list of PRs, making it difficult for the maintainers to manage and prioritize unresolved PRs. To automatically track, follow up, and close such inactive PRs, Stale bot was introduced by GitHub. Despite its increasing adoption, there are ongoing debates on whether using Stale bot alleviates or exacerbates the problem of inactive PRs. To better understand if and how Stale bot helps projects in their pull-based development workflow, we perform an empirical study of 20 large and popular open-source projects. We find that Stale bot can help deal with a backlog of unresolved PRs as the projects closed more PRs within the first few months of adoption. Moreover, Stale bot can help improve the efficiency of the PR review process as the projects reviewed PRs that ended up merged and resolved PRs that ended up closed faster after the adoption. However, Stale bot can also negatively affect the contributors as the projects experienced a considerable decrease in their number of active contributors after the adoption. Therefore, relying solely on Stale bot to deal with inactive PRs may lead to decreased community engagement and an increased probability of contributor abandonment.
• Abstract（参考訳）: 進捗や解決されていないプルリクエスト(PR)がPRのリストを混乱させ、メンテナが未解決のPRの管理と優先順位付けを困難にする。 このようなアクティブでないPRを自動的に追跡、追跡、クローズするために、StalebotはGitHubによって導入された。 採用が増えているにもかかわらず、Staleボットの使用が不活性PRの問題を軽減するか、さらに悪化させるかについての議論が続いている。 Staleボットがプルベースの開発ワークフローでプロジェクトに役立つかどうかをより深く理解するために、20の大規模で人気のあるオープンソースプロジェクトに関する実証的研究を行った。 stale botは未解決のprのバックログに対処するのに役立つことが分かっています。 さらに、stale botはprレビュープロセスの効率を向上させるのに役立ち、プロジェクトはマージして解決したprをレビューし、採用後により早く閉じたprをレビューした。 しかし、Staleボットは、プロジェクトが採用後にアクティブなコントリビュータの数が大幅に減少したため、コントリビュータに悪影響を及ぼす可能性がある。 したがって、アクティブでないPRを扱うためのStaleボットのみに依存すると、コミュニティのエンゲージメントが低下し、コントリビュータが放棄される可能性が増大する可能性がある。

関連論文リスト

• Why Are AI Agent Involved Pull Requests (Fix-Related) Remain Unmerged? An Empirical Study [5.127121704630949]
  AIDEV POPデータセットから広く使用されている5つのAIコーディングエージェントによって作成された8,106の修正関連PRを分析した。 以上の結果から,他のPRによるテストケース障害や,同じ問題に対する事前解決が,非統合の最も一般的な原因であることが示唆された。
  論文  参考訳（メタデータ） (2026-01-29T22:06:58Z)
• Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub [5.808464460707249]
  われわれはGitHub全体で5人のコーディングエージェントが作成した33kエージェントのPRを大規模に調査している。 まず,4次元のPRを定量的に特徴付ける。 マージされていないPRは、より大きなコード変更を伴い、より多くのファイルに触れる傾向があり、プロジェクトのCI/CDパイプライン検証に合格しないことが多い。
  論文  参考訳（メタデータ） (2026-01-21T17:12:46Z)
• Why Authors and Maintainers Link (or Don't Link) Their PyPI Libraries to Code Repositories and Donation Platforms [83.16077040470975]
  Python Package Index(PyPI)上のライブラリのメタデータは、オープンソースライブラリの透明性、信頼性、持続性をサポートする上で重要な役割を果たす。 本稿は,5万PyPIの著者とメンテナに送付された2つの対象調査を組み合わせた大規模実証研究である。 我々は,大規模言語モデル(LLM)に基づくトピックモデリングを用いて1,400以上の応答を分析し,リポジトリと寄付プラットフォームのリンクに関連する重要なモチベーションと障壁を明らかにする。
  論文  参考訳（メタデータ） (2026-01-21T16:13:57Z)
• Rerank Before You Reason: Analyzing Reranking Tradeoffs through Effective Token Cost in Deep Search Agents [50.212640395029744]
  深層探索パイプラインにおける推論予算の配分について検討する。 BrowseComp-Plusベンチマークを用いて、モデルスケール、推論の労力、深度の再検討、トークン総コストのトレードオフを分析する。
  論文  参考訳（メタデータ） (2026-01-20T18:38:35Z)
• On Autopilot? An Empirical Study of Human-AI Teaming and Review Practices in Open Source [11.412808537439973]
  プロジェクトレベルのガイドラインとAI支援プルリクエスト(PR)との開発者のインタラクションについて検討した。 AIが共著するPRの67.5%以上が、コードオーナシップのないコントリビュータから生まれています。 非オーナーの開発者が最もフィードバックを受けられるような、人間が作ったPRとは対照的に、非オーナーのAI共著のPRは最小限のフィードバックを受け取っている。
  論文  参考訳（メタデータ） (2026-01-20T09:09:53Z)
• Think in Parallel, Answer as One: Logit Averaging for Open-Ended Reasoning [102.13989674248116]
  ThinkMergeは、トレーニング不要でプラグ&プレイのデコード戦略だ。 並列推論トレースをKで実行し、同期点における次のTokenロジットを平均化し、単一のコヒーレントな出力を生成する。
  論文  参考訳（メタデータ） (2025-12-02T15:35:31Z)
• AutoPR: Let's Automate Your Academic Promotion! [50.929742814819036]
  本稿では,研究論文を正確な,エンゲージメント,タイムリーな公開コンテンツに変換する新しいタスクであるAutoPRを紹介する。 PRAgentは、AutoPRを3段階で自動化するマルチエージェントフレームワークである。コンテンツ抽出、協調合成、標準の最適化、トーン、最大リーチのためのタグ付けのプラットフォーム固有の適応である。 結果は,AutoPRをトラクタブルで測定可能な研究課題と位置づけ,スケーラブルで影響力のある学術的コミュニケーションのためのロードマップを提供する。
  論文  参考訳（メタデータ） (2025-10-10T17:08:36Z)
• Analyzing the Usage of Donation Platforms for PyPI Libraries [91.97201077607862]
  本研究では,PyPIエコシステムにおける寄付プラットフォームの導入状況について分析した。 GitHub Sponsorsが支配的なプラットフォームであるが、多くのPyPIリストのリンクは時代遅れである。
  論文  参考訳（メタデータ） (2025-03-11T10:27:31Z)
• Bidirectional Decoding: Improving Action Chunking via Closed-Loop Resampling [51.38330727868982]
  双方向デコーディング(BID)は、クローズドループ操作で動作チャンキングをブリッジするテスト時間推論アルゴリズムである。 BIDは、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させることを示す。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
  現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。 ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。 筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
  論文  参考訳（メタデータ） (2024-05-10T16:06:43Z)
• Generative AI for Pull Request Descriptions: Adoption, Impact, and Developer Interventions [11.620351603683496]
  GitHubのCopilot for Pull Requests (PR)は、PRに関連するさまざまな開発者タスクを自動化することを目的とした有望なサービスである。 本研究では,生成AIによって記述の一部が作成された18,256個のPRについて検討した。 われわれは、Copilot for PRは幼少期ではあるが、採用が著しく増加していることを示唆している。
  論文  参考訳（メタデータ） (2024-02-14T06:20:57Z)
• SERL: A Software Suite for Sample-Efficient Robotic Reinforcement Learning [85.21378553454672]
  筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。 我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。 これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
  論文  参考訳（メタデータ） (2024-01-29T10:01:10Z)
• User-Centric Deployment of Automated Program Repair at Bloomberg [13.994851524965016]
  本稿では,ソフトウェア技術者に最適な時間,目標,自動生成パッチを提案する。 私たちはGitHubのSuggested Changesインターフェースを使用して、自動提案をプルリクエストにシームレスに統合しています。 ユーザ調査からB-Assistの有効性は明らかであり,パッチ提案の受け入れ率は74.56%である。
  論文  参考訳（メタデータ） (2023-11-17T13:39:48Z)
• Suggestion Bot: Analyzing the Impact of Automated Suggested Changes on Code Reviews [2.773900417167691]
  私たちはSUGGESTION BOTというボットを作成し、GitHubの推奨変更機能を使ってコードベースを自動的にレビューしました。 我々は、レビュー時間への影響についてSUGGESTION BOTを評価し、ボットが提供するコメントがユーザにとって明確で有用かどうかを分析する。
  論文  参考訳（メタデータ） (2023-05-10T17:33:43Z)
• A Survey for Efficient Open Domain Question Answering [51.67110249787223]
  Open Domain Question answering (ODQA)は、自然言語処理(NLP)において明確な証拠のない、大規模な知識コーパスから事実質問に答えることを目的とした長年の課題である。
  論文  参考訳（メタデータ） (2022-11-15T04:18:53Z)
• GitHub Actions: The Impact on the Pull Request Process [7.047566396769727]
  本研究では、プロジェクトがGitHub Actionsをどのように利用するか、開発者がGitHub Actionsについて何を議論しているか、プロジェクトアクティビティインジケータが採用後にどのように変化するかを調査する。 私たちの調査によると、5,000のリポジトリのうち1489がGitHub Actionsを採用しています。 また、GitHub Actionsの採用によってプルリクエスト(PR)の拒絶が増加し、受け入れられたPRでのコミュニケーションが増加し、拒否されたPRでのコミュニケーションが減少することが示唆された。
  論文  参考訳（メタデータ） (2022-06-28T16:24:17Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• A ground-truth dataset and classification model for detecting bots in GitHub issue and PR comments [70.1864008701113]
  ボットはGithubリポジトリで、分散ソフトウェア開発プロセスの一部である反復的なアクティビティを自動化するために使用されている。 本稿では,5000のGithubアカウントのプルリクエストとコメント発行に関する,高い相互契約を伴う手動分析に基づいて,基幹トラスデータセットを提案する。 ボットを検出する自動分類モデルを提案し,各アカウントの空のコメント数と空でないコメント数,コメントパターンの数,コメントパターン内のコメント間の不平等を主特徴とする。
  論文  参考訳（メタデータ） (2020-10-07T09:30:52Z)
• Perception and Acceptance of an Autonomous Refactoring Bot [11.908989544044998]
  学生ソフトウェア開発プロジェクトで41日間、自律的なボットをデプロイしました。 半構造化されたインタビューを行い、開発者がボットをどのように感じているか、そして、ボットの貢献を人間の貢献と比べてレビューする場合、それらが多かれ少なかれ批判的であるかどうかを調べた。 私たちの研究によると、ボットは有用で邪魔にならない貢献者として認識され、開発者は人間の同僚よりも批判的ではなかったが、ボットに責任を感じたのはチームメンバーのほんの数人だけだった。
  論文  参考訳（メタデータ） (2020-01-08T14:47:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。