論文の概要: Engineering Signals of Human-AI Collaboration in the Agentic Coding Era: A Longitudinal Analysis of 33,228 Pull Requests from vLLM and SGLang with Implications for Biomedical AI Agents and Bioinformatics Pipeline Developmen
- arxiv url: http://arxiv.org/abs/2608.13884v1
- Date: Fri, 14 Aug 2026 02:22:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.252679
- Title: Engineering Signals of Human-AI Collaboration in the Agentic Coding Era: A Longitudinal Analysis of 33,228 Pull Requests from vLLM and SGLang with Implications for Biomedical AI Agents and Bioinformatics Pipeline Developmen
- Title（参考訳）: エージェントコーディング時代のAI連携の工学的シグナル:vLLMとSGLangからの33,228件のプルリクエストの経時的分析とバイオメディカルAIエージェントとバイオインフォマティクスパイプライン開発者への応用
- Abstract要約: 本稿では,プルリクエスト(PR)スループット,サイクルタイム,コントリビュータの多様性,PRコメント密度,マージレート,新著者参加,PRサイズという,7つのエンジニアリング指標に関する記述的縦断分析を行った。
私たちは、AI支援ソフトウェア開発の大きな変化に対応して、開発を4つの時代に区分し、人間とボットが認可した活動を調べます。
全体として、AI支援開発は、より高いスループット、幅広いコントリビュータ参加、AI開発者間のコラボレーションシグナルの増加と関連している。
- 参考スコア（独自算出の注目度）: 0.7850626323769984
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid adoption of AI coding assistants and autonomous agentic development systems has coincided with major changes in the pace and structure of open-source software engineering. Yet empirical longitudinal evidence of these changes at the team level remains limited. We present a descriptive longitudinal analysis of seven engineering metrics: pull request (PR) throughput, cycle time, contributor diversity, PR comment density, merge rate, new-author participation, and PR size. Metrics were computed from all merged PRs in two high-velocity AI infrastructure repositories, vLLM (February 2023-June 2026; 18,290 PRs) and SGLang (January 2024-June 2026; 14,938 PRs). We segment development into four eras aligned with major changes in AI-assisted software development and examine human- and bot-authored activities. Both projects show substantial increases in development velocity and AI-developer collaboration signals. PR throughput increased 21x in vLLM and 17.9x in SGLang, while bot-authored PRs accounted for less than 0.2% of this growth, indicating that the increase was overwhelmingly human-driven. In the latest era, median cycle time was 1.04 days for vLLM and 0.62 days for SGLang, while P90 cycle times reached 16.8 and 14.3 days, respectively. Monthly unique authors increased steadily in both projects, suggesting broader contributor participation. PR comment density increased 4.2x in vLLM and 3.8x in SGLang, with bot comments contributing an estimated 15-20% of the increase. In contrast, PR size remained relatively stable across eras. Overall, AI-assisted development is associated with higher throughput, broader contributor participation, and increased AI-developer collaboration signals in high-velocity open-source software development.
- Abstract（参考訳）: AIコーディングアシスタントと自律エージェント開発システムの急速な採用は、オープンソースソフトウェアエンジニアリングのペースと構造に大きな変化をもたらした。
しかし、チームレベルでの変化の実証的な縦断的な証拠は依然として限られている。
本稿では,プルリクエスト(PR)スループット,サイクルタイム,コントリビュータの多様性,PRコメント密度,マージレート,新著者参加,PRサイズという,7つのエンジニアリング指標に関する記述的縦断分析を行った。
マージされたすべてのPRから、vLLM(2023年2月-2026年6月、18,290 PR)とSGLang(2024年1月-2026年6月、14,938 PR)という2つの高速度AIインフラストラクチャレポジトリが計算された。
私たちは、AI支援ソフトウェア開発の大きな変化に対応して、開発を4つの時代に区分し、人間とボットが認可した活動を調べます。
どちらのプロジェクトも開発速度が大幅に向上し、AIと開発者間のコラボレーションのシグナルが増加している。
PRスループットは、SGLangのvLLMで21倍、SGLangで17.9倍増加し、ボットによるPRは、この成長の0.2%未満を占めており、この増加は圧倒的に人間主導であることを示している。
最新の時代には、vLLMは1.04日、SGLangは0.62日、P90は16.8日、P90は14.3日であった。
どちらのプロジェクトでも月々ユニークな著者が着実に増加し、幅広いコントリビュータの参加が示唆された。
PRコメントの密度はvLLMが4.2倍、SGLangが3.8倍、ボットコメントが15-20%と見積もられた。
対照的に、PRサイズは時代を通じて比較的安定していた。
全体として、AI支援開発は、高いスループット、より広範なコントリビュータ参加、高速なオープンソースソフトウェア開発におけるAI開発者協力のシグナルの増加と関連している。
関連論文リスト
- OpenAI4S: Code as Action, Science as Sessions [57.428071188574]
我々は、emphCode as Action, Science as Sessionsという原則に基づいて構築されたオープンソースの科学研究エージェントOpenAI4Sを紹介する。
OpenAI4Sは、永続化コンピューティングランタイムとリサーチセッション管理オーケストレーションを組み合わせることで、構造化されたツールコールによって処理される。
再合成, 分子タンパク質結合体設計, タンパク質変異, 触媒スクリーニング, ミネラルスペクトロスコピーを含む36種類の研究シナリオにおけるOpenAI4Sの評価を行った。
論文 参考訳（メタデータ） (2026-09-14T06:16:59Z) - AI-to-AI Code Reviews of GitHub Pull Requests [0.0]
クロスプロダクティビティのAI-to-AIレビューは、特定エージェント認可PRの約1.6%で実施された。
4例中3例では, PRあたりの平均コメントが58-65%高かった。
全体として、クローズドループのAI-to-AIレビューは増えているが、特定されたエージェント活動の少数派である。
論文 参考訳（メタデータ） (2026-08-21T17:17:35Z) - How Do AI Coding Agents Contribute to Software Development? an Empirical Study of Agentic Pull Requests [5.6795075579540395]
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。
論文 参考訳（メタデータ） (2026-07-23T21:48:28Z) - SWE-chat: Coding Agent Interactions From Real Users in the Wild [70.18158706281724]
SWE-chatは、オープンソースの開発者から収集された実際のコーディングエージェントセッションの大規模なデータセットである。
現在、データセットには6000のセッションが含まれており、63,000以上のユーザプロンプトと355,000のエージェントツールコールが含まれている。
論文 参考訳（メタデータ） (2026-04-22T17:08:19Z) - AgenticFlict: A Large-Scale Dataset of Merge Conflicts in AI Coding Agent Pull Requests on GitHub [0.0]
AIコーディングエージェントプルリクエスト(Agentic PR)におけるマージ競合の大規模データセットを提案する。
パイプラインは、マージ競合を示す29K以上のPRを特定し、競合率は27.67%となり、336K以上のきめ細かい競合領域を抽出する。
我々の予備的な探索分析は、マージコンフリクトがAIによるコントリビューションにおいて頻繁かつ頻繁であることを示している。
論文 参考訳（メタデータ） (2026-04-04T02:36:22Z) - ASI-Evolve: AI Accelerates AI [42.885465604426884]
ASI-EvolveはAI-for-AI研究のためのフレームワークで、学習設計-実験-分析サイクルを通じてループを閉じる。
我々の知る限り、AI-EvolveはAI開発における3つの中心的なコンポーネントにわたるAI駆動の発見を示す最初の統一されたフレームワークです。
論文 参考訳（メタデータ） (2026-03-31T12:04:17Z) - SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks [55.76734816061826]
我々は20の問題と93のチェックポイントからなる言語に依存しないベンチマークであるSlopCodeBenchを紹介する。
我々は、冗長性、重複コードの割合、構造的侵食という2つの軌道レベルの品質信号を追跡する。
11モデルにまたがるエンドツーエンドの問題を解決するエージェントは存在しない。
論文 参考訳（メタデータ） (2026-03-25T19:26:44Z) - CharacterFlywheel: Scaling Iterative Improvement of Engaging and Steerable LLMs in Production [52.85500933801205]
CharacterFlywheelは、大規模言語モデル(LLM)を生産的なソーシャルチャットアプリケーションで改善するための反復的なプロセスである。
内部および外部のリアルタイムトラフィックからのデータを使用して、15世代にわたってモデルを洗練しました。
7日間のA/Bテストを行い、一貫したエンゲージメントの改善を示した。
論文 参考訳（メタデータ） (2026-03-02T15:27:31Z) - 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) - On Autopilot? An Empirical Study of Human-AI Teaming and Review Practices in Open Source [11.412808537439973]
プロジェクトレベルのガイドラインとAI支援プルリクエスト(PR)との開発者のインタラクションについて検討した。
AIが共著するPRの67.5%以上が、コードオーナシップのないコントリビュータから生まれています。
非オーナーの開発者が最もフィードバックを受けられるような、人間が作ったPRとは対照的に、非オーナーのAI共著のPRは最小限のフィードバックを受け取っている。
論文 参考訳（メタデータ） (2026-01-20T09:09:53Z) - The Rise of AI Teammates in Software Engineering (SE) 3.0: How Autonomous Coding Agents Are Reshaping Software Engineering [10.252332355171237]
本稿では,このようなエージェントが野生でどのように動作するかを示す最初の大規模データセットであるAIDevを紹介する。
AIDevは5つの主要なエージェントによる45万6000件以上のプルリクエストに対処し、ソフトウェア開発において自律的なチームメイトを研究するための前例のない経験的な基盤を提供する。
データセットには、PR、著者、レビュータイムライン、コード変更、統合結果に関する豊富な情報が含まれている。
論文 参考訳（メタデータ） (2025-07-20T15:15:58Z) - OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。
プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
論文 参考訳（メタデータ） (2024-07-23T17:50:43Z)
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。