論文の概要: On the Adoption of AI Coding Agents in Open-source Android and iOS Development
- arxiv url: http://arxiv.org/abs/2602.12144v1
- Date: Thu, 12 Feb 2026 16:30:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.932899
- Title: On the Adoption of AI Coding Agents in Open-source Android and iOS Development
- Title（参考訳）: オープンソースAndroidとiOS開発におけるAIコーディングエージェントの採用について
- Authors: Muhammad Ahmad Khan, Hasnain Ali, Muneeb Rana, Muhammad Saqib Ilyas, Abdul Ali Bangash,
- Abstract要約: オープンソースモバイルアプリプロジェクトにおいて,エージェント生成コードのカテゴリレベルの実証的研究を行った。
我々は、モバイルプラットフォーム、エージェント、タスクカテゴリにわたるPR受け入れ動作を、193の認証済みAndroidとiOSのオープンソースGitHubリポジトリで2,901のAI認可プルリクエスト(PR)を使用して分析した。
- 参考スコア（独自算出の注目度）: 4.126721111013567
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI coding agents are increasingly contributing to software development, yet their impact on mobile development has received little empirical attention. In this paper, we present the first category-level empirical study of agent-generated code in open-source mobile app projects. We analyzed PR acceptance behaviors across mobile platforms, agents, and task categories using 2,901 AI-authored pull requests (PRs) in 193 verified Android and iOS open-source GitHub repositories in the AIDev dataset. We find that Android projects have received 2x more AI-authored PRs and have achieved higher PR acceptance rate (71%) than iOS (63%), with significant agent-level variation on Android. Across task categories, PRs with routine tasks (feature, fix, and ui) achieve the highest acceptance, while structural changes like refactor and build achieve lower success and longer resolution times. Furthermore, our evolution analysis shows improvement in PR resolution time on Android through mid-2025 before it declined again. Our findings offer the first evidence-based characterization of AI agents effects on OSS mobile projects and establish empirical baselines for evaluating agent-generated contributions to design platform aware agentic systems.
- Abstract（参考訳）: AIコーディングエージェントはますますソフトウェア開発に寄与しているが、モバイル開発への影響はほとんど経験的な注目を集めていない。
本稿では,オープンソースモバイルアプリプロジェクトにおけるエージェント生成コードのカテゴリレベルの実証的研究について紹介する。
AIDevデータセット内のAndroidとiOSのオープンソースGitHubリポジトリを認証した193のAI認証プルリクエスト(PR)を使用して、モバイルプラットフォーム、エージェント、タスクカテゴリ間のPR受け入れ動作を分析した。
Androidプロジェクトは、AIによって認可されたPRを2倍多く受け取り、iOS(63%)よりも高いPR受け入れ率(71%)を獲得し、Android上ではエージェントレベルの大きなバリエーションがある。
タスクカテゴリ全体では、ルーチンタスク(機能、修正、ui)を持つPRが最も受け入れられ、リファクタリングやビルドといった構造的な変更は成功率の低下と解決時間の短縮を実現します。
さらに、我々の進化分析では、再び減少する前の2025年半ばまで、Android上でのPR解像度時間の改善が示されています。
我々の研究は、OSSモバイルプロジェクトにおけるAIエージェントのエビデンスに基づく評価を行い、エージェント生成によるエージェント認識エージェントシステムの設計への貢献を評価するための実証的ベースラインを確立した。
関連論文リスト
- AIDev: Studying AI Coding Agents on GitHub [9.1677959533705]
AIDevはエージェントによるプルリクエスト(Agentic-PR)に焦点を当てた大規模なデータセットで、現実のGitHubリポジトリに導入しています。
AIDevは、OpenAI Codex、Devin、GitHub Copilot、Cursor、Claude Codeという5つのエージェントによって生成された932,791のエージェント-PRを集約する。
さらに、AIDevには、100以上の星を持つ2,807のリポジトリから33,596のAgentic-PRのキュレートされたサブセットが含まれており、コメント、レビュー、コミット、関連する問題などのさらなる情報を提供している。
論文 参考訳（メタデータ） (2026-02-09T20:45:58Z) - 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) - Are We All Using Agents the Same Way? An Empirical Study of Core and Peripheral Developers Use of Coding Agents [4.744786007044749]
我々は,コア開発者および周辺開発者の受け入れに先立って,エージェント生成コントリビューションの使用,レビュー,修正,検証について検討する。
周辺開発者のサブセットはエージェントを頻繁に使用し、バグ修正、機能追加、ドキュメント、テストに均等にタスクを委譲する。
対照的に、コア開発者はドキュメントとテストに集中しているが、エージェントPRはメイン/マスターブランチに頻繁にマージされる。
論文 参考訳（メタデータ） (2026-01-27T22:50:01Z) - 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) - Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。
現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。
我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
論文 参考訳（メタデータ） (2025-08-01T08:11:31Z) - Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。
我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。
結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文 参考訳（メタデータ） (2025-07-10T20:12:54Z) - R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science [70.1638335489284]
高レベルの機械学習エンジニアリングタスクは、労働集約的で反復的である。
機械学習プロセスを形式化する包括的で分離されたフレームワークであるR&D-Agentを紹介します。
R&D-AgentはMLEを2つのフェーズと6つのコンポーネントに定義し、MLEのエージェント設計を原則としてテスト可能なプロセスに変える。
論文 参考訳（メタデータ） (2025-05-20T06:07:00Z) - A3: Android Agent Arena for Mobile GUI Agents [46.73085454978007]
モバイルGUIエージェントは、モバイルデバイス上で自律的にタスクを実行するように設計されている。
Android Agent Arena (A3)は、現実の、開発中のタスクのパフォーマンスを評価するための、新しい評価プラットフォームである。
A3には、広く使われている21の一般サードパーティアプリと、一般的なユーザシナリオを表す201のタスクが含まれている。
論文 参考訳（メタデータ） (2025-01-02T09:03:56Z)
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。