論文の概要: How Do AI Coding Agents Contribute to Software Development? an Empirical Study of Agentic Pull Requests
- arxiv url: http://arxiv.org/abs/2607.21832v1
- Date: Thu, 23 Jul 2026 21:48:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.003926
- Title: How Do AI Coding Agents Contribute to Software Development? an Empirical Study of Agentic Pull Requests
- Title（参考訳）: AIコーディングエージェントはソフトウェア開発にどのように貢献するか?エージェントプル要求に関する実証的研究
- Authors: Iren Mazloomzadeh, Mohammad Mehdi Morovati, Foutse Khomh,
- Abstract要約: 本研究では,人為的プルリクエスト(PR)を,人為的プルリクエスト(PR)と比較して特徴付けることを目的とする。
まず,エージェントと人為的PRのマージ率の差が時間とともにどのように変化するかを分析する。
次に、AIコーディングエージェントが主に適用される開発タスクの種類を特定します。
- 参考スコア（独自算出の注目度）: 5.6795075579540395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in large language models and their rapid adoption across software engineering tasks have made Artificial Intelligence (AI) coding agents an integral component of modern software development workflows. While developers increasingly benefit from these coding agents, their impact on software quality remains insufficiently understood. In particular, how agentic contributions evolve across the software development lifecycle has not been thoroughly investigated. This study aims to characterize agentic pull requests (PR) in comparison to human generated PRs and to examine how their properties change across different stages of the development lifecycle. Using the AIDev dataset, we first analyze how differences in merge rates between agentic and human generated PRs vary over time. We then identify the types of development tasks where AI coding agents are predominantly applied and investigate how these task distributions evolve across development quarters. Finally, we compare a set of key characteristics of agentic and human generated PRs, focusing on their implications for software quality and their temporal dynamics. Overall, our findings provide an empirical and longitudinal perspective on the role of AI coding agents in software development, offering a more nuanced understanding of their benefits and limitations in real-world practices.
- Abstract（参考訳）: 大規模言語モデルの最近の進歩と、ソフトウェアエンジニアリングタスクにまたがる急速な採用により、人工知能(AI)コーディングエージェントは、現代のソフトウェア開発ワークフローの不可欠なコンポーネントとなっている。
開発者がこれらのコーディングエージェントの恩恵を受ける一方で、ソフトウェア品質に対する彼らの影響はいまだに十分に理解されていない。
特に、ソフトウェア開発ライフサイクル全体でエージェント的貢献がどのように進化するかは、十分に調査されていない。
本研究では,人為的なプルリクエスト(PR)を人為的なPRと比較し,その特性が開発ライフサイクルの異なる段階においてどのように変化するかを検討することを目的とする。
AIDevデータセットを用いて、エージェントと人間の生成したPRのマージレートの違いが時間とともにどのように変化するかを分析する。
次に、AIコーディングエージェントが主に適用される開発タスクの種類を特定し、これらのタスク分布が開発クォーター間でどのように進化するかを調べる。
最後に,エージェントと人為的PRの重要な特徴のセットを比較し,ソフトウェアの品質と時間的ダイナミクスに対する影響に注目した。
全体として、私たちの発見は、ソフトウェア開発におけるAIコーディングエージェントの役割について、経験的かつ縦断的な視点を提供し、現実のプラクティスにおけるそれらのメリットと制限について、より微妙な理解を提供しています。
関連論文リスト
- A Large-Scale Empirical Study of AI-Generated Code in Real-World Repositories [11.883159173351743]
実世界のリポジトリから収集したAI生成コードについて,大規模な実証的研究を行った。
複雑度,構造特性,欠陥関連指標などのコードレベルの特性について検討する。
我々の研究は、AI支援開発が従来の人間主導開発とどのように異なるかを強調した。
論文 参考訳（メタデータ） (2026-03-28T04:40:44Z) - 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) - 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) - An Empirical Study of Agent Developer Practices in AI Agent Frameworks [59.862193600499914]
大規模言語モデル(LLM)の台頭はエージェントへの関心の高まりを引き起こし、エージェントフレームワークの急速な成長につながった。
エージェントフレームワークが広く使われているにもかかわらず、それらの実践的応用とエージェント開発プロセスにどのように影響するかは未解明のままである。
開発者の80%以上が、特定の開発要件に最も適合するフレームワークを特定するのに苦労していると報告している。
論文 参考訳（メタデータ） (2025-12-01T17:52:15Z) - Agentsway -- Software Development Methodology for AI Agents-based Teams [4.226647687395254]
Agentswayは、AIエージェントが一流の協力者として機能するエコシステム向けに設計された、新しいソフトウェア開発フレームワークである。
このフレームワークは、計画、プロンプト、コーディング、テスト、微調整エージェントの異なる役割を定義している。
Agentswayは、次世代のAIネイティブで自己改善型のソフトウェア開発方法論に向けた基本的なステップである。
論文 参考訳（メタデータ） (2025-10-26T11:58:42Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - 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)
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。