論文の概要: Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review
- arxiv url: http://arxiv.org/abs/2605.17548v1
- Date: Sun, 17 May 2026 17:04:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 23:51:08.377693
- Title: Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review
- Title（参考訳）: AI時代のコードレビューを再考する:エージェントコードレビューのビジョン
- Authors: Hüseyin Özgür Kamalı, Erdem Tuna, Vahid Haratian, Eray Tüzün,
- Abstract要約: 本稿では,AIを利用したコードレビューワークフローの構想について述べる。
信頼性、バイアス、プライバシー、自動化バイアス、透明性、評価など、責任ある採用に対する大きなオープンな課題を特定します。
- 参考スコア（独自算出の注目度）: 2.2807488730605296
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Code review has evolved for decades, from informal peer checking to today's pull request (PR) workflows, yet it remains a largely manual, uneven, and cognitively demanding process. The rise of Artificial Intelligence (AI) coding assistants has intensified this challenge: while these tools increase code production velocity, they also expand the volume of code requiring review, turning code review into a growing bottleneck. Current AI support remains fragmented, with tools focusing on isolated tasks such as reviewer recommendation, PR description generation, or comment suggestion rather than the end-to-end PR review workflow. In this paper, we review the historical evolution of code review practices and examine the shift driven by large language models (LLMs) and agentic AI systems. We then present a vision for an AI-powered code review workflow combining specialized agents with human-controlled quality gates. Our framework spans five stages: PR Creation, PR Augmentation, Reviewer Selection, AI-Assisted Code Review, and PR Retrospective, with humans retained at key decision points to preserve judgment, accountability, and team-level understanding. We identify major open challenges for responsible adoption, including reliability, bias, privacy, automation bias, transparency, and evaluation, and offer a research agenda for more effective human-AI collaboration in software engineering.
- Abstract（参考訳）: コードレビューは、非公式なピアチェックから今日のプルリクエスト(PR)ワークフローまで、数十年にわたって進化してきた。
人工知能(AI)コーディングアシスタントの台頭は、この課題を強化している。これらのツールは、コード生産速度を向上する一方で、レビューを必要とするコードの量を増やし、コードレビューをボトルネックとして拡大する。
現在のAIサポートは、エンドツーエンドのPRレビューワークフローではなく、レビュアレコメンデーション、PR記述生成、コメント提案といった独立したタスクに焦点を当てたツールで、断片化されている。
本稿では,コードレビューの実践の歴史的変遷を概観し,大規模言語モデル(LLM)とエージェントAIシステムによる変化について考察する。
次に、特殊エージェントと人間の制御する品質ゲートを組み合わせたAIによるコードレビューワークフローのビジョンを示す。
我々のフレームワークは、PR作成、PR強化、レビューア選択、AI支援コードレビュー、PRレトロスペクティブの5段階にまたがっており、人間は判断、説明責任、チームレベルの理解を維持するための重要な決定ポイントに留まっている。
信頼性、バイアス、プライバシ、自動化バイアス、透明性、評価など、責任ある採用に対する大きなオープンな課題を特定し、ソフトウェアエンジニアリングにおけるより効果的な人間とAIのコラボレーションのための研究アジェンダを提供します。
関連論文リスト
- Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - Human-AI Synergy in Agentic Code Review [3.7086626614863984]
我々は、人間レビュアーとAIエージェントによるフィードバックの違いを比較した。
人間のレビュアーは、人間が書いたコードよりもAI生成コードをレビューする場合、11.8%のラウンドを交換する。
AIエージェントからの未確認の提案の半数以上が間違っているか、開発者による代替修正によって対処されている。
論文 参考訳（メタデータ） (2026-03-16T20:56:18Z) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - DeputyDev -- AI Powered Developer Assistant: Breaking the Code Review Logjam through Contextual AI to Boost Developer Productivity [38.585498338645856]
本研究は,AddicateDevの実装と有効性について検討する。
ViceDevはAIを利用したコードレビューアシスタントで、ソフトウェア開発プロセスの非効率性に対処するために開発された。
論文 参考訳（メタデータ） (2025-08-13T10:09:45Z) - Code Review as Decision-Making -- Building a Cognitive Model from the Questions Asked During Code Review [2.8299846354183953]
コードレビューの認知モデルを構築し、翻訳された資料の主題的、統計的、時間的、シーケンシャルな分析を通じてボトムアップする。
まず、コンテキストと合理性を確立するための配向フェーズ、次に、レビューの残りの部分を理解し、評価し、計画するための分析フェーズです。
論文 参考訳（メタデータ） (2025-07-13T14:04:16Z) - 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) - The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - CodeAgent: Autonomous Communicative Agents for Code Review [12.163258651539236]
コードレビュー自動化のための新しいマルチエージェント大規模言語モデル(LLM)システムであるツールを紹介する。
CodeAgentは、すべてのエージェントのコントリビューションが初期レビュー問題に対処するように、監督エージェントであるQA-Checkerを組み込んでいる。
結果はCodeAgentの有効性を実証し、コードレビュー自動化の新たな最先端に寄与している。
論文 参考訳（メタデータ） (2024-02-03T14:43:14Z)
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。