論文の概要: An Empirical Study of Maintainer-Identified AI Slop Pull Requests in Free and Open Source Software Projects
- arxiv url: http://arxiv.org/abs/2611.15159v1
- Date: Wed, 11 Nov 2026 07:56:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.078513
- Title: An Empirical Study of Maintainer-Identified AI Slop Pull Requests in Free and Open Source Software Projects
- Title(参考訳): フリーおよびオープンソースソフトウェアプロジェクトにおけるメンテナ識別型AIスローププル要求に関する実証的研究
- Abstract要約: GenAIは、低品質で低価値なプルリクエスト(PR)の出現につながった
本研究では,FOSSプロジェクトにおけるメンテナ識別型AIスロープPRの発生状況について,メンテナがスロープとしてフラグ付けしたPRに着目して検討した。
その結果,2025年中頃にはメンテナ識別型AIスロープPRの数が増加し,2026年5月にピークに達した。
- 参考スコア(独自算出の注目度): 0.1633272850273525
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The FOSS ecosystem has always relied on outside contributions, notably through issues or Pull Requests (PRs), to sustain itself. With the advance of GenAI, the barrier to contributing to FOSS projects has never been lower, leading to the emergence of AI slop PRs: low-quality, low-value generated PRs. Past studies have examined AI slop PRs through theoretical, platform-level, or practitioner-account frames, but not at the project level. To this end, this study investigates the incidence of maintainer-identified AI slop PRs in FOSS projects by focusing on PRs flagged as slop by maintainers. Using a mixed-methods approach, we trace the origins of maintainer-identified AI slop PRs, quantify their volume in FOSS projects, describe their characteristics, and highlight maintainers' reasons for flagging or closing them. Our results show that the volume of maintainer-identified AI slop PRs increased in mid-2025, peaking in May 2026. These PRs are mostly additive, rarely merged, and typically closed within 3 days. The authors of these PRs disclosed the use of AI in 14% of cases, with 1% disclosing after a maintainer's request. Most PRs are closed or marked as slop without any reason provided by the maintainer. Based on our open coding, reasons range from concrete elements, like build failures, to ideological or intuitive (i.e., "looks AI to me"). This exploratory study captures a phenomenon in its early stage and highlights GenAI's potential impact on FOSS, emphasizing the pressure it puts on maintainers and the need to shift current open-source development practices.
- Abstract(参考訳): FOSSエコシステムは、特に問題やプルリクエスト(PR)を通じて、外部からのコントリビューションに依存してきました。
GenAIの進歩により、FOSSプロジェクトへのコントリビューションの障壁は低下せず、低品質で低価値の生成されたPRであるAIスロップPRの出現につながった。
過去の研究は、理論、プラットフォームレベル、または実践者アカウントフレームを通じてAIのスロープPRを調査してきたが、プロジェクトレベルでは行われていない。
そこで本研究では,FOSSプロジェクトにおけるメンテナ識別型AIスロープPRの発生状況について,メンテナがスロープとしてフラグ付けしたPRに着目して検討した。
混合メソッドアプローチを使用して、メンテナ識別されたAIスロープPRの起源をトレースし、FOSSプロジェクトでボリュームを定量化し、その特性を説明し、メンテナのフラグ付けやクローズの理由を強調します。
その結果,2025年中頃にはメンテナ識別型AIスロープPRの数が増加し,2026年5月にピークに達した。
これらのPRは主に添加物であり、滅多に合併せず、通常3日以内に閉じる。
これらのPRの著者は14%のケースでAIの使用を明らかにし、メンテナの要求により1%が開示された。
ほとんどのPRは、メンテナが提供する理由なしにクローズまたはスロープとしてマークされる。
オープンコーディングに基づいて、その理由は、ビルド失敗のような具体的な要素から、イデオロギー的あるいは直感的(つまり、私にAIを見てください)までさまざまです。
この探索的研究は、初期段階の現象を捉え、GenAIがFOSSに与える影響の可能性を強調し、メンテナに与えるプレッシャーを強調し、現在のオープンソース開発プラクティスを変える必要性を強調している。
関連論文リスト
- "AI Slop is DDoSing Open Source": Understanding the Impact of AI-Generated Contributions on Open Source Sustainability [8.07130264725486]
AI-DDoS(AI-DDoS)とは、信頼できるが品質の低いAI生成コントリビューションが、コミュニティの能力を圧倒する、サービス拒否効果です。
Reddit、OSSメンターメーリングリスト、ブログから実践者アカウントを分析し、6つの繰り返しテーマを特定し、仮説を導出する。
以上の結果から,AI-DDoSはコントリビューション量の問題であるだけでなく,サステナビリティ・トラップであることがわかった。
論文 参考訳(メタデータ) (2026-07-04T19:55:11Z) - BIT.UA-AAUBS at ArchEHR-QA 2026: Evaluating Open-Source and Proprietary LLMs via Prompting in Low-Resource QA [65.22695574492265]
本稿では,ArchEHR-QA 2026共有タスクにおけるBIT.UAグループとAAUBSグループの共同参加について述べる。
トレーニングデータがないことと、医療領域に固有の厳格なデータプライバシー制約があるため、重み付けをせずにLLM(Large Language Models)の能力を調査する。
我々は、いくつかの最先端のプロプライエタリモデルと、様々な迅速なエンジニアリング戦略を用いて、ローカルにデプロイ可能なオープンソース代替品を評価した。
我々の結果は、プロプライエタリなモデルは変化を促す強力なレジリエンスを示す一方で、ドメイン適応型オープンソースモデル(MedGemma 3 27Bなど)は高い競争力を発揮することを示した。
論文 参考訳(メタデータ) (2026-05-05T10:43:56Z) - The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。
通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文 参考訳(メタデータ) (2026-04-27T16:23:09Z) - 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) - Why Authors and Maintainers Link (or Don't Link) Their PyPI Libraries to Code Repositories and Donation Platforms [83.16077040470975]
Python Package Index(PyPI)上のライブラリのメタデータは、オープンソースライブラリの透明性、信頼性、持続性をサポートする上で重要な役割を果たす。
本稿は,5万PyPIの著者とメンテナに送付された2つの対象調査を組み合わせた大規模実証研究である。
我々は,大規模言語モデル(LLM)に基づくトピックモデリングを用いて1,400以上の応答を分析し,リポジトリと寄付プラットフォームのリンクに関連する重要なモチベーションと障壁を明らかにする。
論文 参考訳(メタデータ) (2026-01-21T16:13:57Z) - 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) - Early-Stage Prediction of Review Effort in AI-Generated Pull Requests [0.0]
我々は,2,807リポジトリにわたるAIDevデータセットから,エージェントによるPR33,707件を分析した。
本稿では,高解像度PRを生成時に予測するサーキットブレーカートリアージモデルを提案する。
論文 参考訳(メタデータ) (2026-01-02T17:18:01Z) - Reduced AI Acceptance After the Generative AI Boom: Evidence From a Two-Wave Survey Study [40.26767449635043]
本稿では,ChatGPTのローンチ前後におけるAIに対する公的な態度の変化について検討する。
AIが「全く受け入れられない」と回答した回答者の割合は23%から30%に増加した。
これらの変化は、教育、言語、性別格差の拡大の観点から、既存の社会的不平等を増大させてきた。
論文 参考訳(メタデータ) (2025-10-27T17:47:58Z) - Adversarial Semantic and Label Perturbation Attack for Pedestrian Attribute Recognition [42.36333049201237]
本稿では,歩行者属性認識のための最初の対角攻撃と防御の枠組みを提案する。
事前に訓練されたCLIPベースのPARフレームワークに基づいて,歩行者画像に対するグローバルおよびパッチレベルの攻撃を併用する。
また、敵攻撃の影響を抑えるために、セマンティックオフセット防衛戦略を設計する。
論文 参考訳(メタデータ) (2025-05-29T10:17:17Z) - General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。
私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。
私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
論文 参考訳(メタデータ) (2025-03-09T01:13:56Z) - Generative AI for Pull Request Descriptions: Adoption, Impact, and
Developer Interventions [11.620351603683496]
GitHubのCopilot for Pull Requests (PR)は、PRに関連するさまざまな開発者タスクを自動化することを目的とした有望なサービスである。
本研究では,生成AIによって記述の一部が作成された18,256個のPRについて検討した。
われわれは、Copilot for PRは幼少期ではあるが、採用が著しく増加していることを示唆している。
論文 参考訳(メタデータ) (2024-02-14T06:20:57Z)
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。