論文の概要: When AI Teammates Meet Code Review: Collaboration Signals Shaping the Integration of Agent-Authored Pull Requests
- arxiv url: http://arxiv.org/abs/2602.19441v1
- Date: Mon, 23 Feb 2026 02:20:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.645435
- Title: When AI Teammates Meet Code Review: Collaboration Signals Shaping the Integration of Agent-Authored Pull Requests
- Title（参考訳）: AIチームメイトがコードレビューに出会ったとき - エージェント認証プルリクエストの統合を形成するコラボレーションシグナル
- Authors: Costain Nachuma, Minhaz Zibran,
- Abstract要約: 公開AIDevデータセットを用いて,統合結果,分解速度,レビュータイムの協調信号について検討した。
レビューア・エンゲージメントは、成功裏に最も強い相関関係があるのに対して、大きな変更サイズと調整中断アクションは、マージの可能性の低下に関連している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous coding agents increasingly contribute to software development by submitting pull requests on GitHub; yet, little is known about how these contributions integrate into human-driven review workflows. We present a large empirical study of agent-authored pull requests using the public AIDev dataset, examining integration outcomes, resolution speed, and review-time collaboration signals. Using logistic regression with repository-clustered standard errors, we find that reviewer engagement has the strongest correlation with successful integration, whereas larger change sizes and coordination-disrupting actions, such as force pushes, are associated with a lower likelihood of merging. In contrast, iteration intensity alone provides limited explanatory power once collaboration signals are considered. A qualitative analysis further shows that successful integration occurs when agents engage in actionable review loops that converge toward reviewer expectations. Overall, our results highlight that the effective integration of agent-authored pull requests depends not only on code quality but also on alignment with established review and coordination practices.
- Abstract（参考訳）: 自動コーディングエージェントは、GitHubにプルリクエストを提出することによって、ソフトウェア開発にますます貢献している。
本稿では,公開AIDevデータセットを用いたエージェント認可プルリクエストの大規模な実証的研究を行い,統合結果,分解速度,レビュータイムの協調信号について検討する。
リポジトリのクラスタリングされた標準エラーによるロジスティック回帰を用いて、レビュアのエンゲージメントは、成功との相関が強いのに対して、大きな変更サイズや強制プッシュのような協調破壊アクションは、マージの可能性が低いことが分かりました。
対照的に、反復強度だけでは、協調信号が考慮されれば、説明力に制限がある。
定性的な分析により、エージェントがレビューアの期待に収束する実行可能なレビューループに参加すると、統合が成功することが示された。
全体として、エージェントが承認したプルリクエストの効果的な統合は、コード品質だけでなく、確立したレビューと調整のプラクティスにも依存します。
関連論文リスト
- How AI Coding Agents Communicate: A Study of Pull Request Description Characteristics and Human Review Responses [6.061536429904841]
AIDevデータセットを用いて、5つのAI符号化エージェントが生成したプルリクエストを実証分析する。
AIコーディングエージェントは、レビュアーのエンゲージメント、応答時間、マージ結果の違いに関連する、異なるPR記述スタイルを示す。
論文 参考訳（メタデータ） (2026-02-19T05:06:31Z) - A Task-Level Evaluation of AI Agents in Open-Source Projects [0.0]
AIDev-popを用いた5種類の自律型符号化エージェントの比較検討を行った。
PRライフサイクルにまたがる3つのタスク認識次元に沿ってエージェントのパフォーマンスを評価する。
本研究は,協調ソフトウェア工学への効果的な統合のためのAIエージェントの選択と改善について報告する。
論文 参考訳（メタデータ） (2026-02-02T17:05:19Z) - 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) - Security in the Age of AI Teammates: An Empirical Study of Agentic Pull Requests on GitHub [4.409447722044799]
本研究の目的は,自律型コーディングエージェントが実際にソフトウェアセキュリティにどのように貢献するかを特徴付けることである。
AIDevデータセットを用いてエージェントによるPRの大規模解析を行う。
次に、頻度、受け入れ結果を分析し、自律エージェント、プログラミングエコシステム、コード変更のタイプをレビューします。
論文 参考訳（メタデータ） (2026-01-01T21:14:11Z) - Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。
エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
論文 参考訳（メタデータ） (2025-10-29T17:47:18Z) - Learning to Summarize by Learning to Quiz: Adversarial Agentic Collaboration for Long Document Summarization [86.98098988779809]
SummQは長期文書要約のための新しい逆多重エージェントフレームワークである。
提案手法では,包括的な要約を作成し,評価するために協調作業を行う要約ジェネレータとレビュアーを用いる。
広範に使用されている3つの文書要約ベンチマーク上でSummQを評価する。
論文 参考訳（メタデータ） (2025-09-25T08:36:19Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z)
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。