論文の概要: CodeHealth Predicts the Token Cost of Agentic Code Review: A Pre-Registered Study of 465 Agent-Authored Pull Requests
- arxiv url: http://arxiv.org/abs/2610.21914v1
- Date: Thu, 15 Oct 2026 14:00:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.102452
- Title: CodeHealth Predicts the Token Cost of Agentic Code Review: A Pre-Registered Study of 465 Agent-Authored Pull Requests
- Title（参考訳）: CodeHealthがエージェントコードレビューのトークンコストを予測する: 465エージェント認証プルリクエストの事前登録
- Abstract要約: ベースラインのCodeHealthがエージェントレビューのトークンコストを予測し、プルリクエスト(PR)フットプリントを越えて修正するかどうかをテストする。
人間の保守性に対する品質指標は、マルチエージェントのレビューと修正の推測コストも予測する。
- 参考スコア（独自算出の注目度）: 4.985427623695373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context: Organizations increasingly delegate code review to multi-agent large language model (LLM) pipelines billed per token. Low code quality raises human maintenance effort, but its effect on agent review cost has not been measured. Objective: We test whether baseline CodeHealth predicts the token cost of agentic review and fix beyond pull request (PR) footprint. Method: In a pre-registered observational study, we sampled 465 agent-authored PRs from 246 repositories in AIDev, jointly stratified by CodeHealth and footprint under repository caps. A frozen five-agent review-and-fix pipeline processed every PR with three different LLMs. Per LLM, we fitted a mixed model of log tokens on CodeHealth and log PR footprint, with a repository random intercept. Results: For all three LLMs the CodeHealth coefficient was negative, with 95% CI excluding zero; each CodeHealth point was associated with 3.5% to 6.1% lower token cost. CodeHealth was unrelated to PR footprint, so PR size does not explain the association. Two of three registered smells predicted fix cost; batch fixing left median CodeHealth unchanged. Exploratory analyses located the association in the review stage, where agents iterated more on unhealthy code without writing more comments. Adjusting for the size of the scored files absorbed the association, which we interpret as mediation by file size. Conclusions: A quality metric calibrated against human maintainability also predicts the inference cost of multi-agent review and fix. The effect is modest per point and not carried by PR size, so the refactoring case extends to agent-reviewed code when it changes structure and file size, not only the score. Data Availability: https://doi.org/10.5281/zenodo.22127920
- Abstract（参考訳）: コンテキスト: トークン毎に課金されるマルチエージェントの大規模言語モデル(LLM)パイプラインに、コードレビューを委譲する組織が増えている。
低コード品質は人間のメンテナンスの労力を増大させるが、エージェントレビューコストへの影響は測定されていない。
目的: ベースラインのCodeHealthがエージェントレビューのトークンコストを予測し、プルリクエスト(PR)フットプリントを越えて修正するかどうかをテストする。
方法: AIDevの246リポジトリから465のエージェントによるPRを,CodeHealthとリポジトリキャップのフットプリントで共同で採取した。
凍結した5エージェントのレビュー・アンド・フィックスパイプラインは、すべてのPRを3つの異なるLLMで処理した。
LLMでは、CodeHealthとlog PRフットプリントにログトークンの混合モデルと、レポジトリランダムインターセプトを組み込んだ。
結果: いずれのLLMにおいても, CodeHealth係数は陰性であり, 95%CIは0を除いたが, それぞれのCodeHealthポイントはトークンコストが3.5%から6.1%低下した。
CodeHealthはPRフットプリントとは無関係なので、PRサイズは関連を説明できない。
登録済みの3つのうち2つは修正コストを予測しており、バッチ修正左中部のCodeHealthは変わらない。
調査分析では、レビュー段階で、エージェントがコメントを書かずに不健全なコードに反復した。
得られたファイルの大きさの調整は関連を吸収し、ファイルサイズによる仲介と解釈する。
結論: 人間の保守性に対して調整された品質基準は、マルチエージェントレビューと修正の推論コストも予測する。
効果はポイントごとに穏やかで、PRサイズで実行されないため、リファクタリングケースはスコアだけでなく構造やファイルサイズを変更する際にエージェントレビューされたコードに拡張されます。
データ可用性:https://doi.org/10.5281/zenodo.22127920
関連論文リスト
- Can LLM Agents Automate Reinforcement Learning for Text-to-Speech? [64.13250261774849]
私たちは、共有ワークスペースの周りに、ヒューマンガイダンスとエージェント実行を構造化するコラボレーティブワークフローを構築します。
エージェントが何を自動化するかを測定するため、我々は公開レシピに対して段階的に軌道ステージを監査する。
以上の結果から, エージェントは不特定レシピを回収し, 改良し, 失速した場合には, 文献を調査し, LMキャリアからフローキャリアへピボットすることがわかった。
論文 参考訳（メタデータ） (2026-10-03T12:44:09Z) - Rethinking Soft Tokens for Parallel Decoding in Diffusion Language Models [62.63931587313321]
拡散言語モデル(DLMs)は、各段階で複数のトークンを予測してコミットすることで並列生成を可能にする。
最近の研究は、emphsoftトークンが不確実な位置を表すことによってこの問題を緩和できることを示している。
ソフトトークンフィードバックが並列デコードをどのように改善するかは、体系的に検討されていない。
論文 参考訳（メタデータ） (2026-09-29T12:38:30Z) - Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems [67.04448659688579]
クエリ非依存の16エントリのコードブックを開発し、上位のデコード候補を1回のバッチフォワードパスでランク付けする。
反復検索がなく、テスト時にメッセージパッシングがないため、Codebook Agentは6つのベンチマークでもっとも正確な方法である。
論文 参考訳（メタデータ） (2026-09-02T08:10:22Z) - Adversarial Review: Structured Disagreement for Grounded Agentic Code Review [0.0]
我々は,大規模マルチエージェントチームのオーバーヘッドを伴わずに,エージェントの最小化という,サブエージェントパラダイムが中間的な基盤を支えることができるかどうかを考察する。
本稿では、主符号化エージェントがレビュアーと批評家エージェントと協調して動作する最小の協調的コードレビュープロトコルであるAdversarial Review(AR)を紹介する。
論文 参考訳（メタデータ） (2026-08-16T21:58:17Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - SWE-Review: Closing the Loop on Issue Resolution with Agentic Code Review [47.72392142544407]
コーディングエージェントは、現実世界のソフトウェア問題に対するプルリクエスト(PR)をますます生成します。
PRは、体系的なレビュー、診断、修正なしに提案される。
エージェントコードレビューでこのループを閉じるためのフレームワークである textbfSWE-Review を導入する。
論文 参考訳（メタデータ） (2026-07-07T09:37:45Z) - ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues [54.98461672730087]
ReproRepoは、人為的なGitHub問題を活用するスケーラブルな評価フレームワークで、現実的な再現ブロッカーを自然に監視する。
ReproRepoは、大規模なカンファレンスから1,149件の機械学習論文をインスタンス化し、4つのフロンティアモデルエージェント構成を評価します。
その結果, LLMエージェントは, コードを実行せずにも, 紙とリポジトリのペアから多くの実世界の問題を識別できることがわかった。
論文 参考訳（メタデータ） (2026-06-16T17:58:05Z) - Software Delegation Contracts: Measuring Reviewability in AI Coding-Agent Work [0.0]
以前の作業では、タスク、権限、返却された作業パッケージ、受け入れコンテキストを、委譲されたコーディング作業の分析単位として記述するソフトウェア委譲契約を提案したが、その効果は測定しなかった。
本稿では,符号化エージェントの明示的デリゲート契約に関する制御されたパイロット研究について報告する。
論文 参考訳（メタデータ） (2026-06-14T05:53:27Z) - Beyond Bug Fixes: An Empirical Investigation of Post-Merge Code Quality Issues in Agent-Generated Pull Requests [4.744786007044749]
AIDevデータセット内のPythonリポジトリから,統合されたエージェント生成バグフィックスPR1,210を分析した。
その結果,コードチャーンによる正規化後,エージェント間の生の課題数に明らかな相違がほぼ消失していることが判明した。
すべてのエージェントにおいて、コードの臭いは特に臨界や主要な重大度において支配的であり、バグは頻度が低いが、しばしば深刻である。
論文 参考訳（メタデータ） (2026-01-27T22:55:05Z) - Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub [5.808464460707249]
われわれはGitHub全体で5人のコーディングエージェントが作成した33kエージェントのPRを大規模に調査している。
まず,4次元のPRを定量的に特徴付ける。
マージされていないPRは、より大きなコード変更を伴い、より多くのファイルに触れる傾向があり、プロジェクトのCI/CDパイプライン検証に合格しないことが多い。
論文 参考訳（メタデータ） (2026-01-21T17:12:46Z)
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。