中文

AI 代理实际上改变了什么？——性能提升型 Pull Request 中突变模式的经验分类

软件工程 2026-07-06 v1 人工智能
作者: Illia Dovhoshliubnyi , Nima Soroush , Ashkan Sami , Alexander Brownlee
在 arXiv 上查看 ↗ PDF ↗

摘要

AI 编码代理是黑盒：我们无法检查它们如何生成代码，但可以检查它们改变了什么。这种区分对于基于搜索的软件工程（SBSE）很重要，其中遗传改进（我们研究的性能优化应用）依赖于反映代码实际转换方式的突变操作符。在 33,596 个 AIDev-pop 目标性能代理 PR 中，少于 1% 的案例是罕见的，揭示了之前不可见的代理行为。我们使用 Even-Mendoza 等（2025）的 18 类别语法突变分类法，将 1,254 个性能相关差异块从 216 个 PR 中分类，对比五个代理系统。三个类别占主导：名称修改（37.0%）、对象创建（26.4%）和类型更改（22.7%），这与先前 GI 语料库形成鲜明对比，其中没有变化占 84%。每个代理的部署系统都承诺了一个独特的突变词汇，每个性能策略激活了一个大致不相交的类别子集。因此，代理身份和目标策略是有用的先验，可以缩小有效的 SBSE 操作符空间。复制包：https://github.com/5uper6rain/ssbse-challenge-2026

关键词

AI 代理 软件工程 突变模式 性能提升 Pull Request 软件工程 代码生成 分类

引用

@article{arxiv.2607.05666,
  title  = {What Do AI Agents Actually Change? An Empirical Taxonomy of Mutation Patterns in Performance-Improving Pull Requests},
  author = {Illia Dovhoshliubnyi and Nima Soroush and Ashkan Sami and Alexander Brownlee},
  journal= {arXiv preprint arXiv:2607.05666},
  year   = {2026}
}