論文の概要: KG-AST for Cheaper CI/CD: Budgeted Test Selection and AI Bug Review

• arxiv url: http://arxiv.org/abs/2611.06950v1
• Date: Tue, 03 Nov 2026 16:28:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.413286
• Title: KG-AST for Cheaper CI/CD: Budgeted Test Selection and AI Bug Review
• Title（参考訳）: KG-AST for Cheaper CI/CD: 予算付きテスト選択とAIバグレビュー
• Abstract要約: 継続的インテグレーションとAI支援レビューは、コミット毎に同じ予算を費やす。 我々は、重いテストやAIレビューの実行前に、git履歴とコードグラフ機能からコミットリスクをスコアするKG-ASTについて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Continuous integration and AI-assisted review spend the same budget on every commit, although few commits introduce bugs. We study KG-AST, which scores each commit risk from git history and code-graph features before heavy tests or AI review run, so the budget goes to the riskiest commits first, and which hands the AI reviewer only a graph slice around the change. On 155 open-source projects in 11 languages, a single cross-language model trained on other projects ranks commits so that heavy testing of the riskiest 20% covers 49-64% of bug-introducing commits depending on the language, against 20% for random selection and 40-55% for testing the biggest change first. Every language beats the biggest-change baseline, by 3.8 to 13.2 points. In 20 Java projects the gain at a 20% budget is 15.1 points (64.6% vs 49.5%, 95% interval +11.6 to +18.4), and the model wins in 19 of the 20 projects. About twelve training projects suffice; richer features, tuning and cleaner labels did not help. An AI reviewer that sees only a commit's diff finds 26% of later-fixed defects exactly (32% with graph context), and about half of its findings that did not match a later fix were judged real by independent AI judges. A static call-graph selector runs about 8% of a test suite while including a test written for the fix in 85% of 67 fix commits. The Poincare embedding used in our retrieval work adds nothing measurable here: commit-risk AUC, bug review and severity ranking are unchanged or worse. The labels are noisy and the budget metric assumes a heavy test catches the bug it covers; no CI minutes were measured.
• Abstract（参考訳）: 継続的統合とAI支援によるレビューは、コミット毎に同じ予算を費やすが、バグを起こすコミットはほとんどない。 KG-ASTは、重いテストやAIレビューを行う前に、git履歴やコードグラフの機能から各コミットリスクをスコア付けします。 11言語で155のオープンソースプロジェクトにおいて、他のプロジェクトでトレーニングされた1つのクロス言語モデルがコミットをランク付けし、最もリスクの高い20%のテストが、言語によるコミットの49～64%をカバーし、ランダム選択で20%、最も大きな変更で40～55%をテストしている。 全ての言語が3.8から13.2ポイントの最大の変化ベースラインを破る。 20のJavaプロジェクトでは、20%の予算での利得は15.1ポイント(64.6%対49.5%、95%のインターバル+11.6から+18.4)であり、20のプロジェクトのうち19で勝利している。 約12のトレーニングプロジェクトでは、よりリッチな機能、チューニング、クリーンなラベルが役に立たなかった。 コミットの差分しか見ないAIレビュアーは、修正後の欠陥の26%をグラフコンテキストで正確に32%)発見し、修正後の修正と一致しない発見の約半数は、独立したAI審査員によって現実的に判断された。 静的なコールグラフセレクタはテストスイートの約8%を実行し、67の修正コミットの85%で修正のために書かれたテストを含む。 当社の検索作業で使用されているPoincareの埋め込みは、コミットリスクのAUC、バグレビュー、重大度ランキングなど、測定可能なものは何もありません。 ラベルは騒々しく、予算基準では、重いテストがカバーしているバグをキャッチしていると仮定しています。

関連論文リスト

• Agora: Git as Shared Memory for Collective AutoResearch [54.31992252587096]
  別々のセッションで作業する調査エージェントは、他の人が試したことと、構築可能な結果を知る必要がある。 各コミットは結果、洞察、仮説、検証、報告を記録し、それを以前の作業とリンクする。 約12日間に渡り,13人の言語モデル労働者がアゴラを重み移動問題の解決に利用したことを報告した。
  論文  参考訳（メタデータ） (2026-09-16T04:00:54Z)
• LLM-Guided Issue Generation from Uncovered Code Segments [2.9610847900970856]
  IssueSpecterは未発見のコードセグメントのバグを見つけ、優先順位付けされた実行可能なイシューレポートを自動的に生成する。 我々は、13のアクティブメンテナンスPythonプロジェクトでIssueSpecterを評価し、10,467のイシューレポートを生成した。
  論文  参考訳（メタデータ） (2026-04-28T21:10:53Z)
• 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)
• BugPilot: Complex Bug Generation for Efficient Learning of SWE Skills [59.003563837981886]
  高品質なバグは、次世代の言語モデルベースソフトウェアエンジニアリング(SWE)エージェントをトレーニングする鍵となる。 難易度および多種多様なバグを合成する新しい方法を提案する。
  論文  参考訳（メタデータ） (2025-10-22T17:58:56Z)
• Evaluating SZZ Implementations: An Empirical Study on the Linux Kernel [8.698309437598944]
  ゴーストコミットがSZZアルゴリズムに与える影響の評価は依然として限られている。 Linuxカーネル開発者は、標準のプラクティスとして、対応するバグ誘発コミット(s)のコミット識別子でバグ修正パッチのラベル付けを始めた。 本稿では6つのSZZアルゴリズムを76,046対のバグ修正パッチとLinuxカーネルからのバグ発生コミットに適用する。
  論文  参考訳（メタデータ） (2023-08-09T16:41:27Z)
• What Happens When We Fuzz? Investigating OSS-Fuzz Bug History [0.9772968596463595]
  我々は2022年3月12日までにOSS-Fuzzが公表した44,102件の問題を分析した。 コードを含むバグの発生時期を推定するために,バグ貢献のコミットを特定し,検出から修正までのタイムラインを測定した。
  論文  参考訳（メタデータ） (2023-05-19T05:15:36Z)

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。