Developer Experience with AI Coding Agents: HTTP Behavioral Signatures in Documentation Portals
Cisco DevNet（思科DevNet）
本文研究AI代码代理对技术文档访问的影响，发现HTTP行为特征在文档门户中具有可识别性，提出改进开发者文档设计和反馈机制的实践方案。
2026-07-28 cs.SE
From Teacher to Colleague: How Coding Experience Shapes Developer Perceptions of AI Tools
研究基于3380名开发者的调查，发现编码经验不预测AI工具采用，但影响其角色认知：资深开发者视AI为同事或工具，新手视其为教师，建议AI工具需适配开发者经验水平。
2025-04-08 cs.HC cs.SE
Continuous integration in a social-coding world: Empirical evidence from GitHub. **Updated version with corrections**
持续集成是一种软件工程实践，它频繁地将所有开发人员的工作副本与一个共享的主分支合并，例如，一天几次随着GitHub的出现，一个以其“社交编码”功能而闻名的平台，该功能有助于协作和共享，并且目前是开源世界中最大的代码主机，协作软件开发从未如此突出。在GitHub开发中，可以区分两种类型的开发人员对项目的贡献：直接贡献，来自对主项目存储库具有写访问权限的典型的一小群开发人员，以及间接贡献，来自分叉主存储库的开发人员，在本地更新他们的副本，并提交pull请求进行审查和合并。在本文中，我们将探讨GitHub开发人员如何使用持续集成，以及贡献类型（直接与间接）和不同的项目特征（例如，主程序设计语言或项目年龄）与自动构建的成功相关联。
2015-12-06 cs.SE
From Prompting to Verification: How Experience Shapes Vibe Coding Practices
Massey University（梅西大学）；University of Auckland（奥克兰大学）
通过调查162名不同经验水平的Vibe编码者，发现经验选择性影响编码动机、交互方式和质量保证实践，存在感知-行动差距：对AI生成代码风险的认识普遍，但评估、调试和验证能力依赖于经验。
2026-05-23 cs.SE
Newcomer OSS-Candidates: Characterizing Contributions of Novice Developers to GitHub
开源软件（OSS）项目吸引、接纳和留住任何新来者的能力对其生存至关重要。尽管有证据表明，新手开发人员加入社交编码平台（如GitHub）的人数激增，但他们的活动在多大程度上导致了OSS的贡献尚不清楚。阻碍，我们执行注册报告的协议，以研究“新来者OSS候选人”的活动，他是一个新的社会编码平台的新手开发人员，并打算以后加入OSS项目。使用GitHub作为案例平台，我们分析了171个确定的新OSS候选人，以描述他们的贡献活动。结果表明，新来的OSS候选者可能以基于软件的存储库为目标（即，66%），他们的第一个贡献主要与开发（提交）和维护（PR）有关。新手OSS-候选人不太可能练习社交编码，但最终会加入（即，30%定量，70%后续调查）的开放源码软件项目。此外，他们认为找到一种开始的方式是最具挑战性的障碍。我们的工作揭示了社交编码平台的新来者如何成为OSS贡献的潜在来源。
2022-04-06 cs.SE
Developer Experiences with a Contextualized AI Coding Assistant: Usability, Expectations, and Outcomes
本文通过62名参与者的受控实验，研究了情境化AI编程助手StackSpot AI的初始使用体验，发现其能显著节省时间、便于访问文档并准确生成内部API代码，但也存在知识来源不足、响应不稳定和复杂代码处理能力有限等挑战。
2023-11-30 cs.SE
Harnessing the Potential of Gen-AI Coding Assistants in Public Sector Software Development
GovTech Singapore的研究表明，GitHub Copilot使公共部门开发人员生产力提升21-28%，满意度达95%，并建议制定AI框架及根据代码机密性选择云端或自托管工具以高效利用技术。
2024-09-25 cs.SE
Novice Developers Produce Larger Review Overhead for Project Maintainers while Vibe Coding
Lahore University of Management Sciences（拉合尔管理科学大学）
研究发现低经验 vibe 编码者生成更多代码但增加审查负担，建议结合培训与自适应审查流程
2026-02-27 cs.SE
Good Vibrations? A Qualitative Study of Co-Creation, Communication, Flow, and Trust in Vibe Coding
University of Michigan（密歇根大学）；Microsoft Research（微软研究院）；University of Victoria（维多利亚大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
通过对开发者访谈和社交媒体数据的定性分析，提出以对话式交互、共创和心流为核心的氛围编码理论，揭示AI信任如何调节从委托到共创的连续体，并总结痛点与最佳实践。
2026-07-01 cs.SE
Dear Diary: A randomized controlled trial of Generative AI coding tools in the workplace
该研究通过调查、随机对照试验和三周日历研究，考察生成式 AI 编码工具对开发者信念与工作实践的影响，发现其提升实用性与趣味性感知，但可信度看法未变，并提出平衡生产力与严格审查输出的建议。
2024-10-24 cs.SE
Eye of the Mind: Image Processing for Social Coding
随着社交网络内视觉交互的增长，开发人员越来越多地在社交编码环境中共享图像。对Mozilla更改请求的文本和视觉内容之间的比率以及StackOverflow编程的Q/A的分析显示，在过去五年中，共享图像的数量稳步增加。开发人员共享的图像是有意义的，与相关文本相比，它们提供了补充信息。通常，共享的映像对于理解变更请求、问题或提交的响应至关重要。依靠这些观察，我们深入研究了自动完成文本软件工件与视觉内容的潜力。
2020-01-17 cs.SE
From Developer Pairs to AI Copilots: A Comparative Study on Knowledge Transfer
本文通过实证研究比较人-人结对与人-AI（GitHub Copilot）场景下的知识迁移，发现两者成功迁移频率相近且主题重叠，但开发者对 AI 建议审视更少，同时 AI 能提醒开发者易忽略的代码细节。
2025-06-05 cs.SE
Design of Secure Coding Challenges for Cybersecurity Education in the Industry
根据最近对4000多名软件开发人员的调查，只有不到一半的开发人员能够发现安全漏洞。因此，软件产品呈现出低安全性，表现为可被网络犯罪分子利用的漏洞。如果包含漏洞的软件部署在关键基础设施中，这种质量和安全性的缺乏就特别危险。严肃的游戏，特别是捕获国旗（CTF）事件，在提高行业软件开发人员的安全编码意识方面显示出了可喜的成果。协商工作组活动中的挑战要发挥作用，就必须针对目标群体进行适当设计。本文通过调查哪些挑战类型足以提高软件开发人员在工业环境中编写安全代码的能力，提出了新的贡献。我们提出了1）六种可用于行业背景的挑战类型，以及2）CTF挑战的结构。我们的调查还提供了有关3）如何将提示和处罚纳入网络安全挑战的结果。我们通过与安全专家的调查来评估我们的工作。虽然我们的研究结果表明，“传统”的挑战类型似乎是足够的，他们也揭示了一个新的挑战类的基础上，代码输入和互动的自动教练。
2021-01-06 cs.SE
Do Personalized Skills Help Coding Agents? An Empirical Study of Developer Interaction Traces
UMass Amherst（马萨诸塞大学阿默斯特分校）
本研究通过对13位开发者的206个真实会话实验，发现从交互历史提炼的开发者个性化技能改进有限，而汇集自所有开发者的通用技能增益最大且最一致，为编码智能体的个性化策略提供了实证依据。
2026-10-30 cs.AI cs.SE
"Always Nice and Confident, Sometimes Wrong": Developer's Experiences Engaging Large Language Models (LLMs) Versus Human-Powered Q&A Platforms for Coding Support
本研究通过分析1700多条Reddit帖子，对比开发者使用Stack Overflow与ChatGPT获取编程支持的体验，明确二者的优势、场景与障碍，提出未来GenAI代码助手的设计启示及结合双方优势的工作流建议。
2025-02-20 cs.HC cs.SE
An Empirical Study on Developers Shared Conversations with ChatGPT in GitHub Pull Requests and Issues
本研究通过分析GitHub PR和问题中共享的ChatGPT对话，揭示了开发者寻求帮助的16种咨询类型、多轮对话模式及角色特定贡献，为理解人机协作开发提供了实证基础。
2024-03-15 cs.SE
Integration of Security Modules in Software Development Lifecycle Phases
信息保护正在成为在高度集成的技术环境中设计、创建和实施软件应用程序的焦点。许多工业IT安全标准和政策都要求在软件开发过程中使用安全编码技术。尽管目前的网络保护措施和最佳实践，漏洞仍然很强，并成为每个开发软件的巨大威胁。了解安全软件开发在安全管理中的地位至关重要，它受到人为安全相关因素等原因的影响。尽管开发人员通常要对安全漏洞负责，但实际上，许多问题往往是由于在开发任务期间缺乏组织支持来处理安全性而产生的。虽然抽象的安全编码准则得到了普遍认可，但针对各种程序设计语言的低级安全编码准则却有限。需要一种好的技术来为软件开发人员标准化这些指南。本文的目标是通过确定一组安全的软件开发指南，为软件设计人员和开发人员提供方向，以解决这一差距。此外，概述了安全编码指南的选择标准，并调查了安全编码的适当意识方法。
2020-12-10 cs.SE
CyberSecurity Challenges: Serious Games for Awareness Training in Industrial Environments
了解网络安全主题，例如，与安全编码指南相关，使软件开发人员能够编写安全代码。这种意识在工业环境中对于关键基础设施中的产品和服务至关重要。在这项工作中，我们介绍和讨论了一个新的严重的游戏，专为软件开发人员在行业中。这个游戏解决了软件开发人员的需求，并被证明是非常适合提高安全编码意识的软件开发人员在行业中。我们的工作成果来自作者在行业中进行十多项网络安全挑战时获得的经验。所提出的游戏设计，这是被软件开发人员所接受的，是一种新颖的替代传统的课堂培训。我们希望通过在早期生产阶段改善产品的网络安全，对行业产生积极影响。
2021-02-20 cs.SE
How Coding Agents Fail Their Users: A Large-Scale Analysis of Developer-Agent Misalignment in 20,574 Real-World Sessions
University of Notre Dame（诺丁汉大学）；Vanderbilt University（范德比大学）；Google（谷歌）
通过对20,574个编码助手会话的分析，识别出七种常见的不一致形式，发现大多数不一致导致信任成本而非系统损坏，且多数仍需用户显式纠正。
2026-09-01 cs.AI cs.HC cs.SE
How Are Paid and Volunteer Open Source Developers Different? A Study of the Rust Project
本文以 Rust 项目为案例，从贡献特征、长期参与及志愿者认知三方面实证比较受薪与志愿开源开发者，揭示不同子群体差异及报酬的留存作用。
2024-01-25 cs.SE
Building Implicit Vector Representations of Individual Coding Style
为了促进团队协作，我们提出了一种新的方法来构建向量表示的个人开发人员通过捕捉他们的个人贡献风格，或编码风格。这种表示可以在下一代软件开发团队协作工具中找到用途，例如通过使工具能够跟踪团队中的知识转移。我们的方法的关键思想是避免使用显式定义的编码风格指标，而是通过训练一个用于作者身份识别的模型并从训练的模型中提取单个开发人员的表示来构建表示。通过经验评估我们的方法的输出，我们发现，隐式建立的个人表示反映了团队结构的一些属性：开发人员谁报告从对方学习表示更接近对方。
2020-02-10 cs.SE cs.SI
CodeA11y: Making AI Coding Assistants Useful for Accessible Web Development
针对新手使用 GitHub Copilot 时忽视、遗漏且无法验证无障碍要求的问题，本文提出 CodeA11y 扩展，通过合规代码建议和手动验证提醒提升 AI 辅助 Web 开发的无障碍质量。
2025-02-15 cs.HC cs.SE
What's in a GitHub Star? Understanding Repository Starring Practices in a Social Coding Platform
除了基于git的版本控制系统，GitHub还集成了几个社交编码功能。特别是，GitHub用户可以启动存储库，大概是为了表达对开源项目的兴趣或满意度。然而，作为一个项目的主角的真正和实际意义从来没有深入和有充分根据的实证调查的主题。因此，我们在本文中提供了一个完整的研究GitHub明星的含义，特点和动态增长。首先，通过对791名开发人员进行调查，我们报告说，四分之三的开发人员在使用或为GitHub项目做出贡献之前会考虑星级数量。然后，我们对排名前5,000位的GitHub存储库的特征进行了定量分析。我们提出了四种模式来描述恒星的增长，这是来自聚类后的时间序列代表的恒星数量的研究存储库，我们还揭示了115开发人员对这些增长模式的看法。最后，我们向开源项目经理提供了一系列建议（例如，关于社交媒体推广的重要性）以及GitHub用户和软件工程研究人员（例如，在GitHub明星选择项目时面临的风险）。
2018-11-19 cs.SE
MLinter: Learning Coding Practices from Examples-Dream or Reality?
编码实践越来越多地被软件公司使用。它们的使用促进了一致性、可读性和可维护性，这有助于软件质量。编码实践最初是由通用的linter执行的，但公司现在倾向于设计和采用自己的公司特定的实践。然而，这些特定于公司的实践通常不是自动化的，这使得确保它们被开发人员共享和使用变得非常困难。将这些实践转换为linter规则是一项复杂的任务，需要广泛的静态分析和语言工程专业知识。在本文中，我们试图回答以下问题：编码的做法可以自动学习的例子手动标记的开发人员？我们使用CodeBERT（一种最先进的机器学习方法）进行可行性研究，以学习linter规则。我们的研究结果表明，尽管在平衡的合成数据集上进行评估时，所得分类器达到了高精度和召回分数，但它们在现实世界中的不平衡代码库上的应用，在保持出色的召回率的同时，精度严重下降，阻碍了它们的可用性。
2023-01-24 cs.SE
Image-based Communication on Social Coding Platforms
通过挖掘Bugzilla和Stack Overflow九年间数据及168名开发者调查，发现图像在社交编程平台交流中日益重要且不可或缺，在86.9%的案例中对理解内容至关重要。
2023-06-28 cs.HC cs.SE
Beyond Functional Correctness: Investigating Coding Style Inconsistencies in Large Language Models
Sun Yat-sen University（中山大学）；Huawei Cloud Computing Technologies（华为云计算技术）
本文实证分析主流代码LLM与人类开发者编码风格差异，总结不一致分类，从可读性、简洁性、健壮性比较，并探讨原因与解决方案。
2025-06-21 cs.AI cs.SE
Professional Software Developers Don't Vibe, They Control: AI Agent Use for Coding in 2025
Cornell University（康奈尔大学）
本文探讨了2025年经验丰富的软件开发人员如何利用AI代理进行编程，发现开发人员通过保持自主权和专业知识来控制代理行为，以确保软件质量。
2026-08-20 cs.AI cs.HC cs.SE
Developers Need Protection, Too: Perspectives and Research Challenges for Privacy in Social Coding Platforms
像GitHub这样的社交编码平台（SCP）由于其协作和版本控制功能，已经成为现代软件工程的核心。与Facebook等主流在线社交网络（OSN）一样，SCP用户的个人资料和软件存储库中包含大量个人和项目相关数据，因此他们会受到隐私攻击和威胁。然而，与OSN不同的是，SCP用户的隐私问题和实践尚未在当前的文献中得到广泛的探讨和记录。在这项工作中，我们提出了一个在线调查的初步结果（N=105）解决开发人员的关注和感知的隐私威胁蒸汽从SCP。我们的研究结果表明，尽管用户对社交和组织隐私威胁表示担忧，但他们通常认为在这些平台上分享个人和项目相关信息是安全的。此外，针对敏感属性的推断的攻击被认为比那些寻求重新识别源代码贡献者的攻击更有可能。基于这些研究结果，我们提出了一套建议，为未来的调查解决隐私和身份管理的SCP。
2023-03-03 cs.HC cs.SE cs.SI
Do Modifications Made by Coding Agents Make Subsequent Software Maintenance Harder?
Peking University（北京大学）；University of New South Wales（新南威尔士大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；Chongqing University（重庆大学）
该研究推出SWE-Maintain基准，发现智能体编写的代码使后续维护更困难，主要源于继承的测试失败，而非代码本身，建议评估纳入智能体历史并要求智能体保留早期行为。
2026-10-14 cs.SE
An Empirical Study of Proactive Coding Assistants in Real-World Software Development
College of AI, Tsinghua University（清华大学人工智能学院）；Fitten Tech Co., Ltd.（Fitten科技有限公司）
本文通过大规模实证研究，分析了模拟与现实数据在主动意图预测中的差异，提出ProCodeBench基准，并指出模拟数据无法替代真实数据。
2026-05-07 cs.AI cs.SE
Update from Hell: Can Coding Agents Survive Hidden Breakage in Dependency Upgrades?
Monash University（莫纳什大学）；Peking University（北京大学）；Microsoft（微软）
本文推出含203项真实依赖升级任务的DEPBENCH基准，评估主流编码智能体后发现其仅解决51.2%任务，凸显当前智能体能力与软件维护需求的差距。
2026-09-01 cs.SE
From Conversation to Contribution: Characterizing Coding Agent in Open-Source Software
Vanderbilt University（范德堡大学）；University of Notre Dame（圣母大学）
研究开源软件中开发者与人工智能编码代理聊天交互和后续开发协作的关系，通过收集大量会话及关联仓库历史等进行分析，发现小仓库AI使用多，采用后贡献者有变化，还揭示了开发者对AI代码的看法及相关担忧，为开源开发实践提供见解。
2026-07-08 cs.HC cs.SE
Test-Oriented Programming: rethinking coding for the GenAI era
University of Porto（波尔图大学）；INESC TEC, Faculty of Engineering（INESC TEC 工程学院）
本文提出测试导向编程 paradigm，通过自然语言生成测试代码替代传统生产代码，利用 LLM 生成程序并评估其可行性。
2026-04-09 cs.SE
Agentic Much? Adoption of Coding Agents on GitHub
INP, LaBRI, UMR 5800 , Univ. Bordeaux, CNRS（法国国家高等矿业电信学校，拉布里实验室，联合研究单位5800，波尔多大学，法国国家科学研究中心）；Univ. Rennes, Inria, CNRS, IRISA（雷恩大学，法国国家信息与自动化研究所，法国国家科学研究中心，IRISA）；Department of Computer Science , UFMG（计算机科学系，米纳斯吉拉斯联邦大学）；LTCI, Télécom Paris , Institut Polytechnique de Paris（电信巴黎学院，通信与电子实验室，巴黎理工学院）
研究探讨了编码代理在GitHub上的采用情况，发现其采用率高达22.20%-28.66%，且在项目成熟度、组织类型和编程语言上均广泛适用。
2026-04-08 cs.SE
Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?
Department of Computer Science（计算机科学系）；ETH Zurich（苏黎世联邦理工学院）
通过SWE-bench任务和开发者提交的上下文文件，评估发现上下文文件并未普遍提升编码助手的任务成功率，反而平均增加20%以上的推理成本。
2026-09-30 cs.AI cs.SE
Toward Effective Secure Code Reviews: An Empirical Study of Security-Related Coding Weaknesses
本文通过分析 OpenSSL 与 PHP 的 135,560 条评审评论，实证考察安全相关编码弱点的识别与处置情况，揭示当前代码评审在安全问题管理上的不足。
2024-05-09 cs.SE
"Go Home Copilot, You're Drunk": Understanding Developer Responses to Agent-Generated Code Review Comments
University of Saskatchewan（萨斯喀彻温大学）；Singapore Management University（新加坡管理大学）；Monash University（蒙纳士大学）
研究开发者对智能体生成的代码审查评论的回应，分析五个智能体在342个Python仓库生成的54791条评论，探讨解决率、开发者经验及影响评论有用性的特征，发现不同智能体解决率有差异，还确定未解决评论原因及影响因素，为改进相关反馈提供见解。
2026-07-31 cs.SE
Collaboration on Social Media: Analyzing Successful Projects on Social Coding
社交编码站点（Social Coding Sites，SCS）是一种在Web上共享软件开发项目的社交媒体服务，目前许多开源项目都是在SCS上开发的。SCS的一个特点是，它们在社交网络上提供了一个平台，鼓励具有相同兴趣和目的的开发人员之间的合作。例如，外部开发人员可以很容易地向项目成员报告错误和改进。在本文中，我们调查的关键项目成功的SCS的基础上的大数据组成的30多万个项目。我们关注以下三个方面：1）团队结构，2）与外部开发人员的社交活动，以及3）项目开发的内容。为了定量评估成功，我们定义了活动性、知名度和社会性作为成功指标。通过相关性分析、社会网络分析和主题提取等方法的研究发现，项目成员的数量和成员之间的联系度与项目成功指数呈正相关。其次，忠实地处理外部开发人员的变更请求的项目更有可能成功。第三，项目开发的软件的成功指数在不同主题之间存在差异。我们的分析建议如何在各种项目中取得成功，而不仅仅限于社会编码。
2014-09-04 cs.SE cs.SI physics.soc-ph
Position: Vibe Coding Needs Vibe Reasoning: Improving Vibe Coding with Formal Verification
University of Southern California（南加州大学）
指出vibe coding因LLM无法调和约束导致技术债务等问题，提出通过side-car形式化验证系统自动形式化规范、验证目标、提供反馈并允许开发者干预，以提升可靠性。
2025-10-31 cs.LG cs.LO cs.SE
"Refactoring Runaway": Understanding and Mitigating Tangled Refactorings in Coding Agents for Issue Resolution
School of Computer Software, Tianjin University（天津大学计算机科学与技术学院）；Kyushu University（九州大学）
本文研究了编码代理在问题解决中交织重构的现象，通过实证分析发现代理重构的频率和强度低于人类开发者，提出了一种重构感知的精炼方法以提高编译性并解决未解决的问题。
2026-05-21 cs.SE
Automatically Generating Dockerfiles via Deep Learning: Challenges and Promises
容器化允许开发人员定义需要安装其软件的执行环境。Docker是该领域的领先平台，使用它的开发人员需要为他们的软件编写Dockerfile。编写Dockerfiles绝非易事，特别是当系统对其执行环境有不寻常的要求时。尽管有几种工具可以支持开发人员编写Dockerfiles，但考虑到执行环境要求的高级规范，它们都无法从头开始生成整个Dockerfiles。在本文中，我们提出了一项研究，旨在了解深度学习（DL）在多大程度上可用于此特定的编码任务，该深度学习已被证明在其他编码任务中是成功的。我们初步定义了Dockerfile需求的结构化自然语言规范，以及我们用来从目前可用的最大Dockerfiles数据集中自动推断需求的方法。我们使用所获得的数据集（具有670，982个实例）来训练和测试文本到文本传输Transformer（T5）模型，遵循当前最先进的编码任务程序，从结构化规范自动生成Dockerfiles。我们的评估结果表明，T5的表现类似于我们考虑的更平凡的基于IR的基线。我们还报告了在Dockerfile生成的背景下与深度学习应用相关的开放性挑战。
2023-03-28 cs.SE
EcoAssist: Embedding Sustainability into AI-Assisted Frontend Development
Carnegie Mellon University（卡内基梅隆大学）
EcoAssist通过IDE分析AI生成的前端代码，估算其能耗并提出优化建议，减少网站能耗13-16%，提升开发者能源意识而不影响效率。
2026-04-06 cs.HC cs.SE
How far are AI-powered programming assistants from meeting developers' needs?
该研究通过模拟真实开发场景并招募27名学生，评估了三种流行AI编程助手工具的有效性，发现其普遍提升任务完成率与代码质量，但效果受任务性质和用户经验影响，并揭示了推荐代码的修改原因与用户期望。
2024-04-24 cs.SE
Exploring Prompt Patterns in AI-Assisted Code Generation: Towards Faster and More Effective Developer-AI Collaboration
本文基于DevGPT数据集分析七种提示模式，发现“上下文与指令”和“配方”模式能以最少迭代获得高质量代码，为优化开发者与AI协作的提示工程提供实用指导。
2025-06-02 cs.SE
Tokalator: A Context Engineering Toolkit for Artificial Intelligence Coding Assistants
Kariyer.net, R&D Center（Kariyer.net 研发中心）；Stanford University and iLab, Stanford, CA, U.S.A.（斯坦福大学及iLab）；Centre Tecnològic de Telecomunicacions de Catalunya (CTTC/CERCA)（加泰罗尼亚电信技术中心）
Tokalator为AI辅助开发提供上下文管理工具，包含实时预算监控、11个命令、九个计算器及17种大语言模型支持，通过50名开发者的调研发现指令文件注入和低相关性标签是主要预算消耗来源。
2026-04-09 cs.SE
Feedback-Normalized Developer Memory for Reinforcement-Learning Coding Agents: A Safety-Gated MCP Architecture
PythaLab, Yildiz Technical University, Istanbul, Türkiye（PythaLab，伊兹密尔技术大学，伊斯坦布尔，土耳其）
本文提出RL Developer Memory架构，通过归一化反馈和安全门控机制提升强化学习编码代理的内存管理，实验证明其在确定性任务中的有效性。
2026-05-02 cs.CL cs.LG cs.SE
How Do Developers Use Code Suggestions in Pull Request Reviews?
本文通过对 46 个 GitHub 项目的实证研究和开发者调查，揭示了代码评审建议的四种类型、使用频率及其对合并率、解决时间和代码复杂度的影响，并发现建议更常用于新手提交者，具有知识共享工具的潜力。
2025-02-07 cs.SE
How Do Developers Maintain and Evolve Their Agents' Instructions? An Empirical Study
University of Salerno（萨莱诺大学）；Nara Institute of Science and Technology（奈良先端科学技术大学院大学）
通过大规模挖掘研究，分类智能体上下文文件的变更类型，分析其与代码质量的关系及开发周期中的时间模式，为自主编码智能体的治理提供设计启示。
2026-06-25 cs.SE
Harness Engineering for Agentic AI Coding Tools: An Exploratory Study
University of Bamberg（班贝格大学）；Heidelberg University（海德堡大学）；Singapore Management University（新加坡管理大学）
本文探讨了代理AI编码工具的配置机制，分析了多种工具的配置方法，发现Context Files主导配置，并提出AGENTS.md作为通用标准。
2026-07-02 cs.SE
Agent READMEs: An Empirical Study of Context Files for Agentic Coding
Faculty of Engineering, Kasetsart University（卡塞特大学工程学院）；Nara Institute of Science and Technology（奈良先端科学技术大学院大学）；Queen’s University（女王大学）
本文对2303个智能体上下文文件开展大规模实证研究，发现其为动态演变的复杂产物，开发者优先规定功能需求却极少明确非功能需求，凸显改进相关工具与实践的必要。
2026-08-11 cs.SE
Executable but Unfaithful: Mock Object, Stub, and Assertion Generation by LLMs and Coding Agents
Shandong University（山东大学）；Henan University（河南大学）；City University of Hong Kong（香港城市大学）；Mistral AI；King’s College London（伦敦国王学院）
该研究构建MockBench基准，评估6种LLMs和3种编码智能体生成模拟对象、桩模块及断言的能力，发现编码智能体可提升可执行性但未同步提高忠实度，还识别出10种错误类型并提供相关指导。
2026-11-06 cs.SE
Rocks Coding, Not Development--A Human-Centric, Experimental Evaluation of LLM-Supported SE Tasks
Beijing University of Posts and Telecommunications（北京邮电大学）；University of Melbourne（墨尔本大学）
本文通过109人参与的受控实验评估ChatGPT在编码与典型软件开发任务中的实际表现，发现其擅长简单编码但对典型开发任务支持有限，并揭示人机交互与结果的关系，进而呼吁设计新型交互机制以提升开发者与LLM协作效果。
2024-02-21 cs.AI cs.SE
Engineering Pitfalls in AI Coding Tools: An Empirical Study of Bugs in Claude Code, Codex, and Gemini CLI
York University（约克大学）；Concordia University（康考迪亚大学）
本文通过分析超过3800个公开报告的bug，揭示了构建AI编码工具中的常见故障模式和工程挑战，发现功能相关bug占比超67%，主要症状包括API错误、终端问题和命令失败。
2026-03-21 cs.SE
Examining the Use and Impact of an AI Code Assistant on Developer Productivity and Experience in the Enterprise
本研究通过调查和测试，考察了IBM内部署的LLM代码助手WCA对开发者生产力与体验的影响，发现该工具虽能提升净生产力，但并非所有用户均能受益。
2025-03-04 cs.HC cs.SE
