Autopilot？开源人机协作与审查实践的实证研究
软件工程
2026-01-21 v1
摘要
大型语言模型(LLM)日益自动化软件工程任务。尽管近期研究突出显示了"AI作为团队成员"在开源软件(OSS)中的加速采用，但开发人员的交互模式仍未得到充分探索。本文通过扩展AIDev数据集以包含更细粒度的贡献者代码所有权信息，并引入人类创建PR的比较基线，来调查项目层面的指南和开发人员与AI协助拉取请求(PR)的交互方式。我们发现，超过67.5%的AI共同撰写的PR来自无先前代码所有权的贡献者。尽管如此，大多数存储库缺乏针对AI编码代理用法的指南。值得注意的是，我们观察到一种distinct的交互模式：AI共同撰写的PR合并速度显著更快，反馈更少。与人类创建的PR不同，其中非所有权开发人员接收最多反馈的，AI共同撰写的PR则接收最少反馈，约80%的PR在没有任何明确审查的情况下即被合并。最后，我们讨论了对开发人员和研究人员的意义。
引用
@article{arxiv.2601.13754,
title = {On Autopilot? An Empirical Study of Human-AI Teaming and Review Practices in Open Source},
author = {Haoyu Gao and Peerachai Banyongrakkul and Hao Guan and Mansooreh Zahedi and Christoph Treude},
journal= {arXiv preprint arXiv:2601.13754},
year = {2026}
}
备注
accepted as MSR short paper