論文の概要: Mining Type Constructs Using Patterns in AI-Generated Code

• arxiv url: http://arxiv.org/abs/2602.17955v1
• Date: Fri, 20 Feb 2026 03:17:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.213415
• Title: Mining Type Constructs Using Patterns in AI-Generated Code
• Title（参考訳）: AI生成コードのパターンを用いたマイニング型構造
• Authors: Imgyeong Lee, Tayyib Ul Hassan, Abram Hindle,
• Abstract要約: AIが、型関連プログラミングタスクにおいて、人間より本質的に優れているかどうかはまだわからない。 TypeScriptプロジェクトのドメインで、これらの質問に答える最初の経験的分析を提示します。 驚くべきことに、これらすべての問題にもかかわらず、AgenticプルリクエストはTypeScriptの人間よりも1.8倍高い受け入れ率を持つ。
• 参考スコア（独自算出の注目度）: 1.2107297090229683
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial Intelligence (AI) increasingly automates various parts of the software development tasks. Although AI has enhanced the productivity of development tasks, it remains unstudied whether AI essentially outperforms humans in type-related programming tasks, such as employing type constructs properly for type safety, during its tasks. Moreover, there is no systematic study that evaluates whether AI agents overuse or misuse the type constructs under the complicated type systems to the same extent as humans. In this study, we present the first empirical analysis to answer these questions in the domain of TypeScript projects. Our findings show that, in contrast to humans, AI agents are 9x more prone to use the 'any' keyword. In addition, we observed that AI agents use advanced type constructs, including those that ignore type checks, more often compared to humans. Surprisingly, even with all these issues, Agentic pull requests (PRs) have 1.8x higher acceptance rates compared to humans for TypeScript. We encourage software developers to carefully confirm the type safety of their codebases whenever they coordinate with AI agents in the development process.
• Abstract（参考訳）: 人工知能(AI)は、ソフトウェア開発タスクのさまざまな部分を自動化する。 AIは、開発タスクの生産性を向上してきたが、AIがそのタスクの間、型安全性のために型構造を適切に採用するなど、型関連プログラミングタスクにおいて、人間を本質的に上回っているかどうかについては、まだ調査されていない。 さらに、AIエージェントが複雑な型システムの下での型構造を人間と同じ程度に過大に用いているか、誤用しているかを評価する体系的な研究は存在しない。 本研究では、TypeScriptプロジェクトのドメインでこれらの疑問に答える最初の経験的分析を示す。 我々の研究結果によると、人間とは対照的に、AIエージェントは「any」キーワードを使う傾向が9倍高い。 さらに、AIエージェントは、型チェックを無視したものを含む高度な型構造を用いており、人間と比較することが多いことを観察した。 驚くべきことに、これらすべての問題にもかかわらず、Agentic pull request(PR)はTypeScriptの人間に比べて1.8倍高い受け入れ率を持つ。 ソフトウェア開発者は、開発プロセスにおいてAIエージェントと協調するたびに、コードベースの型安全性を慎重に確認することを推奨します。

関連論文リスト

• Validity Is What You Need [3.0111718611142684]
  我々はエージェントAIの他の定義を検討し、新しい現実主義的定義を提案する。 しかし、エージェントAIシステムは基盤ではなく、主にアプリケーションである点に留意する。
  論文  参考訳（メタデータ） (2025-10-31T17:00:04Z)
• 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)
• Generative to Agentic AI: Survey, Conceptualization, and Challenges [1.8592384822257952]
  Generative AI(GenAI)に基づくエージェント人工知能(AI) これはAIの進化における次の大きなステップであり、より強力な推論と相互作用能力を持つ。 Agentic AIとGenAIの区別はいまだにあまり理解されていない。
  論文  参考訳（メタデータ） (2025-04-26T09:47:00Z)
• ChatCollab: Exploring Collaboration Between Humans and AI Agents in Software Teams [1.3967206132709542]
  ChatCollabの斬新なアーキテクチャは、エージェント(人間またはAI)が任意の役割でコラボレーションに参加することを可能にする。 ソフトウェアエンジニアリングをケーススタディとして使用することで、私たちのAIエージェントが彼らの役割と責任をうまく特定できることが分かりました。 ソフトウェア開発のための従来の3つのマルチエージェントAIシステムに関連して、ChatCollab AIエージェントはインタラクティブなゲーム開発タスクにおいて、同等またはより良いソフトウェアを生成する。
  論文  参考訳（メタデータ） (2024-12-02T21:56:46Z)
• Programming with AI: Evaluating ChatGPT, Gemini, AlphaCode, and GitHub Copilot for Programmers [0.0]
  本稿では、ChatGPT、Gemini(Bard AI)、AlphaCode、GitHub Copilotなど、主要なプログラミングアシスタントの徹底的な評価を行う。 AIモデルの潜在能力を具現化する倫理的開発プラクティスの必要性を強調している。
  論文  参考訳（メタデータ） (2024-11-14T06:40:55Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

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。