論文の概要: Maintenance Signals in AI-Assisted GitHub Repositories: Evidence from GenAI Adopters
- arxiv url: http://arxiv.org/abs/2607.21079v1
- Date: Thu, 23 Jul 2026 09:10:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.344476
- Title: Maintenance Signals in AI-Assisted GitHub Repositories: Evidence from GenAI Adopters
- Title（参考訳）: AI支援GitHubリポジトリのメンテナンスシグナル: GenAI導入者の証拠
- Authors: Rikuto Tsuchida, Youmei Fan, Kazumasa Shimari, Raula Gaikovina Kula, Gema Rodríguez-Pérez, Kenichi Matsumoto,
- Abstract要約: 生成人工知能(GenAI)は、コード生成の労力を減らすことができるが、作業はドキュメント、検証、メンテナンスに移行する可能性がある。
GitHub上のGenAI導入者の間で、観測可能なメンテナンスコスト信号について検討する。
- 参考スコア（独自算出の注目度）: 3.683190025269269
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative artificial intelligence (GenAI) can reduce code-generation effort, but it may shift work to documentation, validation, debugging, and maintenance. We study observable maintenance-cost signals among GenAI adopters on GitHub by analyzing 622 users who publicly signal adoption, 179 repositories with visible AI-assistance configuration files, 179 matched traditional repositories, and 248 issues created in AI-assisted repositories. AI-assisted repositories span diverse project types and contain longer README files with more headers and code blocks, while traditional repositories contain more external URLs. Issues concerning GenAI technology often involve external dependencies, such as API rate limits and reliance on GenAI provider APIs. These findings suggest that AI assistance shifts maintenance costs toward verifying generated content, managing external AI dependencies, and validating AI-specific behavior.
- Abstract（参考訳）: 生成人工知能(GenAI)は、コード生成の労力を減らすことができるが、ドキュメント、バリデーション、デバッグ、メンテナンスに作業が移行する可能性がある。
我々は、GitHub上のGenAI採用者の可観測的メンテナンスコストシグナルを、採用を公に通知する622ユーザ、可視的なAIアシスト構成ファイルを持つ179リポジトリ、マッチした179リポジトリ、AIアシストリポジトリで作成された248のイシューを分析して調査した。
AI支援レポジトリはさまざまなプロジェクトタイプにまたがっており、ヘッダやコードブロックの長いREADMEファイルを含んでいる。
GenAI技術に関する問題は、APIレートの制限やGenAIプロバイダAPIへの依存など、外部依存関係に関わることが多い。
これらの結果は、AIアシストが、生成したコンテンツの検証、外部AI依存の管理、AI固有の振る舞いの検証にメンテナンスコストをシフトしていることを示唆している。
関連論文リスト
- FLARE-AI: Flaw Reporting for AI [51.64618567247884]
デプロイされたAIシステムの欠陥報告は、システムの障害を特定し、AIの安全性を改善するために不可欠である。
しかし、AIレポートのエコシステムは断片化されている。欠陥を特定する研究者は、報告すべきことを知らないことが多く、レポートを受け取るグループは、他の関連するステークホルダーと共有することはめったにない。
私たちは、AI開発者、サイバーセキュリティグループ、AI欠陥アグリゲータによって公表された12のレポートシステムを監査します。
我々は、既存のシステムとの相互運用性のために設計された、オープンソースのAI欠陥報告システムであるFLARE-AIを紹介する。
論文 参考訳（メタデータ） (2026-06-30T12:27:09Z) - The Ultimate Tutorial for AI-driven Scale Development in Generative Psychometrics: Releasing AIGENIE from its Bottle [36.94429692322632]
AIGENIE RパッケージはAI-GENIEフレームワークを実装している。
大規模言語モデル(LLM)テキスト生成とネットワーク心理学的手法を統合する。
このチュートリアルでは、パッケージを6つに分けて紹介する。
論文 参考訳（メタデータ） (2026-03-30T16:25:37Z) - Debt Behind the AI Boom: A Large-Scale Empirical Study of AI-Generated Code in the Wild [13.35459155979355]
我々は6,275のGitHubリポジトリから304,362の認証済みAI認証コミットのデータセットを構築します。
484,606の異なる問題を特定し、コードの臭いは最も一般的な型であり、すべての問題の89.1%を占めています。
これらの結果は、AI生成コードは、実際のソフトウェアプロジェクトに長期のメンテナンスコストをもたらす可能性があることを示している。
論文 参考訳（メタデータ） (2026-03-30T15:38:05Z) - AI IDEs or Autonomous Agents? Measuring the Impact of Coding Agents on Software Development [12.50615284537175]
大規模言語モデル(LLM)ベースのコーディングエージェントは、プルリクエストの生成とマージを行う自律的なコントリビュータとして機能するようになっている。
本稿では,オープンソースリポジトリにおけるエージェント導入の経時的因果関係について検討する。
論文 参考訳（メタデータ） (2026-01-20T04:51:56Z) - "TODO: Fix the Mess Gemini Created": Towards Understanding GenAI-Induced Self-Admitted Technical Debt [2.571080266714288]
GenAI-induced Self-admitted Technical debt (GIST)は、開発者がAI生成コードを組み込んだ反復的なケースを記述し、その振る舞いや正確性に関する不確実性を明確に表現する概念レンズである。
論文 参考訳（メタデータ） (2026-01-12T17:59:34Z) - AI-Enhanced Operator Assistance for UNICOS Applications [41.99844472131922]
このプロジェクトは、CERNの統一産業制御システムであるUNICOSのためのAI強化オペレーターの開発を探求する。
予備評価では、ウィジェットをデコードし、根本原因分析を行い、複雑なDPEをトレースできることが示唆されている。
論文 参考訳（メタデータ） (2025-09-16T03:43:54Z) - Self-Admitted GenAI Usage in Open-Source Software [14.503048663131574]
我々は、開発者がソフトウェアアーティファクトのコンテンツ作成にGenAIツールを使うことを明示的に言及する、自称GenAI利用の概念を紹介した。
我々は25万以上のGitHubリポジトリのキュレートされたサンプルを分析し、コミットメッセージ、コードコメント、プロジェクトドキュメントで156リポジトリにまたがる1292の自己承認を識別した。
我々の調査によると、開発者はプロジェクトにおいてGenAIがどのように使われているのかを積極的に管理し、プロジェクトレベルの透明性の必要性を強調しています。
論文 参考訳（メタデータ） (2025-07-14T16:05:49Z) - Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration [64.19431011897515]
本稿では,問題解決のためにソフトウェアリポジトリ全体を包括的に理解し,活用するために設計された,新しいソフトウェアエンジニアリング手法であるAlibaba LingmaAgentを提案する。
提案手法では,重要なリポジトリ情報を知識グラフに凝縮し,複雑さを低減し,モンテカルロ木探索に基づく戦略を採用する。
Alibaba Cloudの製品展開と評価において、LingmaAgentは、開発エンジニアが直面した社内問題の16.9%を自動で解決し、手作業による介入で43.3%の問題を解決した。
論文 参考訳（メタデータ） (2024-06-03T15:20:06Z) - GenLens: A Systematic Evaluation of Visual GenAI Model Outputs [33.93591473459988]
GenLensは、GenAIモデル出力の体系的評価のために設計されたビジュアル分析インタフェースである。
モデル開発者によるユーザ調査によると、GenLensは、高い満足度で証明されたワークフローを効果的に強化する。
論文 参考訳（メタデータ） (2024-02-06T04:41:06Z) - Investigating Explainability of Generative AI for Code through
Scenario-based Design [44.44517254181818]
生成AI(GenAI)技術は成熟し、ソフトウェア工学のようなアプリケーションドメインに適用されています。
私たちは43人のソフトウェアエンジニアと9つのワークショップを開催しました。そこでは、最先端のジェネレーティブAIモデルの実例を使って、ユーザの説明可能性のニーズを導き出しました。
我々の研究は、GenAIのコードに対する説明可能性の必要性を探求し、新しいドメインにおけるXAIの技術開発を人間中心のアプローチがいかに促進するかを実証する。
論文 参考訳（メタデータ） (2022-02-10T08:52:39Z)
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。