How AI Coding Agents Communicate: A Study of Pull Request Description Characteristics and Human Review Responses
Nara Institute of Science and Technology(奈良科学技術研究所)
本研究分析了AI编程代理在拉取请求描述风格上的差异及其对人类审查员响应的影响,揭示了人机协作开发中的关键因素。
2026-02-19 cs.AI cs.SE
When AI Teammates Meet Code Review: Collaboration Signals Shaping the Integration of Agent-Authored Pull Requests
Idaho State University USA(爱达荷州立大学)
研究探讨了AI代理提交的拉取请求在代码审查中的整合效果,发现审查员参与和协作信号对整合成功至关重要。
2026-02-23 cs.AI cs.SE
RepoReviewer: A Local-First Multi-Agent Architecture for Repository-Level Code Review
RepoReviewer通过分解仓库获取、上下文合成、文件分析等步骤,提供一种实用的仓库级自动化审查架构,强调系统设计与可重用的评估工具。
2026-03-17 cs.AI cs.SE
CodeHealth Predicts the Token Cost of Agentic Code Review: A Pre-Registered Study of 465 Agent-Authored Pull Requests
Lund University(隆德大学);CodeScene AB(CodeScene公司)
本研究通过预注册观察性研究,发现质量指标 CodeHealth 可预测多智能体代码审查与修复的 Token 成本,该关联与 PR 大小无关,中介效应为文件大小。
2026-10-16 cs.AI cs.SE
From Human-Centric to Agentic Code Review: The Impact of Different Generations of Generative AI Technology on Review Quality
Queen’s University(女王大学)
研究不同代际生成式人工智能技术对代码审查质量的影响,通过分析102万条GitHub拉取请求,识别三种人工智能审查者采用模式,将审查讨论建模为交互序列,发现智能体协作模式虽能提高效率,但未提升质量,为设计高效代码审查过程提供实证指导。
2026-07-16 cs.SE
Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review
Microsoft(微软);Ankara University(安卡拉大学);Bilkent University(比尔肯特大学)
本文探讨了在AI时代代码审查的演变,提出了一种结合专门代理和人类控制的质量闸门的AI驱动代码审查流程,旨在提升代码审查的效率和可靠性。
2026-06-05 cs.AI cs.SE
SWE-Review: Closing the Loop on Issue Resolution with Agentic Code Review
NTU(南洋理工大学);Huawei Technologies(华为技术有限公司);HKU(香港大学)
研究通过智能代码审查闭合PR生成环的问题,核心方法是SWE-Review框架,由审查代理进行审查并提供反馈。主要贡献是能持续改进PR,在多方面表现优于单轮审查,还能推动AI编码代理从一次性PR生成迈向闭环问题解决。
2026-07-08 cs.SE
Agentic Code Review in the Terminal: A Trajectory-Level Analysis of Behavior, Cost, and Human-Alignment
The University of Melbourne(墨尔本大学);Monash University(莫纳什大学);Atlassian
研究终端环境中智能代码审查的行为、成本等,基于审查者轨迹分析,发现智能审查者审查精度高但有探索等开销,成功审查与规划等有关,凸显轨迹感知和成本敏感评估对未来此类系统的好处。
2026-07-21 cs.SE
Human-AI Synergy in Agentic Code Review
Queen’s University(女王大学)
研究通过分析300个开源项目27.8万次代码审查对话,比较人类与AI在代码审查中的反馈差异及建议采纳效果,发现人类提供更全面的反馈,AI建议采纳率较低且导致代码复杂度增加。
2026-11-02 cs.SE
Self-Improving AI Coding Agents Through Accumulated Behavioral Rules: A Closed-Loop Framework
Microsoft(微软)
研究基于大语言模型的编码代理重复犯错问题,提出闭环框架,将审查评论编码为行为规则,经实验验证其能转移审查重点、降低错误复发率且跨接口转移,实现跨会话学习且不更新权重,积累人类工程智慧。
2026-07-16 cs.AI cs.SE
Cross-Provider Review as a Runtime Contract for Coding Agents: A Controlled Pilot and Fault-Injection Study
Stanford University(斯坦福大学);University College London(伦敦大学学院)
该研究提出跨提供商审查契约作为编码智能体的运行时契约,通过受控试点、故障注入等测试发现了多个缺陷,为编码智能体的运行时可靠性提供了验证方案。
2026-10-09 cs.AI cs.SE
AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation
Explyt;St. Petersburg Department of the Steklov Institute of Mathematics(圣彼得堡斯捷克洛夫数学研究所圣彼得堡分部);St. Petersburg State University(圣彼得堡国立大学)
介绍用于编码智能体评估的AgentLens基准,结合形式验证、大语言模型编写的轨迹审查和并排比较来评估智能体整个轨迹,不仅能排名,还可用于诊断模型行为、比较智能体版本及发现产品回归问题,且已开源。
2026-07-15 cs.AI cs.LG cs.SE
SWE-Gate: Passing Functional Tests Is Not Enough for Software Engineering Agents
Sun Yat-sen University(中山大学);Zhejiang University(浙江大学);Chongqing University(重庆大学)
SWE-Gate基准结合功能测试与审查约束评估,发现仅通过功能测试的软件工程智能体中约34%未满足审查约束,仅功能评估会高估智能体的修复能力。
2026-09-04 cs.AI cs.SE
AgenticSCR: An Autonomous Agentic Secure Code Review for Immature Vulnerabilities Detection
The University of Melbourne(墨尔本大学);Monash University(莫纳什大学)
AgenticSCR通过结合LLMs、自主决策和语义记忆,有效检测预提交阶段的初期漏洞,优于传统SAST工具和静态LLM基线。
2026-08-05 cs.AI cs.CR cs.LG
DRCY: Agentic Hardware Design Reviews
AllSpice Inc.(AllSpice公司)
DRCY是首个生产级多代理LLM系统,通过自动获取元件数据表并进行引脚分析,提高硬件设计连接审查的准确性与可靠性。
2026-03-13 cs.AI cs.AR cs.SE
(When) Should a Software Factory be Lights-off? Benchmarking Code Review Agents on Bug Detection
Carnegie Mellon University(卡内基梅隆大学);Microsoft(微软);Microsoft Research(微软研究院)
该研究构建了CRBugBench基准,测试发现SOTA审查智能体在缺陷检测上有提升但复杂场景表现差,还给出了开发人员采用审查智能体的具体指导。
2026-10-12 cs.SE
PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing
National University of Singapore(新加坡国立大学)
PaperDebugger是一种在编辑器内集成多智能体系统和插件的学术写作助手,通过Chrome扩展、Kubernetes编排层和MCP工具链实现LLM驱动的写作、审阅和编辑功能。
2026-02-01 cs.AI cs.SE
The End of Code Review: Coding Agents Supersede Human Inspection
KTH Royal Institute of Technology(皇家理工学院)
本文论证基于大型语言模型的编码代理已超越传统人工代码审查的能力阈值,能以更低成本、更高吞吐量实现审查目标,并指出人工审查与AI协作的路径不可持续。
2026-06-12 cs.SE
Archer: Towards Agentic Review for Compiler Optimizations
The Chinese University of Hong Kong(香港中文大学)
针对编译器优化代码审查能力不足的问题,提出首个自动化智能审查工具Archer,通过义务引导分析和确定性验证守卫,在LLVM上发现21%的开放PR和11%的已关闭PR存在语义错误。
2026-07-03 cs.SE
CodeAgent: Autonomous Communicative Agents for Code Review
针对现有自动化代码审查缺乏协作性的问题,提出多智能体LLM系统CodeAgent,通过引入监督智能体QA-Checker确保贡献质量,在多项关键代码审查任务上实现了当前最优性能。
2024-09-24 cs.SE
Understanding Dominant Themes in Reviewing Agentic AI-authored Code
University of California, Irvine(加州大学尔湾分校)
本文研究了代理AI生成代码的评审主题,通过大规模实证分析发现,评审主要关注文档、重构和格式问题,而非功能正确性。
2026-01-27 cs.SE
Reimagining Peer Review Process Through Multi-Agent Mechanism Design
University of Arkansas at Little Rock(亚拉荷马州立大学拉弗克分校)
本文提出通过多智能体机制设计解决同行评审失效问题,提出信用经济、优化分配和混合验证等干预措施,旨在实现可持续的同行评审系统。
2026-01-27 cs.AI cs.CY cs.GT
A Review of Prominent Paradigms for LLM-Based Agents: Tool Use (Including RAG), Planning, and Feedback Learning
Deakin University(迪肯大学)
针对LLM智能体的工具使用、规划和反馈学习三大范式框架存在分类不一致、流程复杂的问题,本综述提出统一分类法系统梳理这些框架,定义环境/任务、LMPRs角色及通用工作流程,支持跨范式比较并指出局限与未来方向。
2024-11-30 cs.AI cs.CL cs.SE
Groundability, Not Scale Alone: When Weak Reviewers Can Audit Strong Coding Agents
University of California, Berkeley(加州大学伯克利分校);Virginia Tech(弗吉尼亚理工大学)
本研究探究弱评审者能否审计强编码智能体,通过执行证据和级联测试提升缺陷捕获与降低过度拒绝,发现评审者规模非关键,生成可靠检查是主要瓶颈。
2026-10-02 cs.AI cs.CL cs.SE
Assistance to Autonomy: A Systematic Literature Review of Agentic AI across the Software Development Life Cycle
Chalmers University of Technology(查尔姆斯理工大学);Eindhoven University of Technology(埃因霍温理工大学);Malmö University(马尔默大学)
本文通过系统性文献综述,探讨了代理AI在软件开发生命周期中的应用现状,揭示了输出可验证性是推动代理AI应用的核心因素,并提出了基于Planner-Executor-Reviewer角色的专业架构模式。
2026-06-16 cs.SE
Predicting Acceptance and Review Effort in Human and Agent Pull Requests
Stevens Institute of Technology(史蒂文斯理工学院)
研究在拉取请求打开时预测其接受情况及评审工作量的可行性,利用AIDev数据集构建预测管道,评估多种机器学习模型,发现接受度预测可行,评审工作量预测较难,早期模型可支持分类和优先级排序,应作咨询工具。
2026-07-15 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
What to Cut? Predicting Unnecessary Methods in Agentic Code Generation
Nara Institute of Science and Technology(奈良先端科学技术大学院大学)
本文提出了一种预测模型,用于识别在代理代码生成中可能被删除的功能,通过分析不同删除原因的特征,提升审查效率。
2026-02-19 cs.SE
OpenCodeReview: Determinism over Non-Determinism for Cost-Effective Agent-Based Code Review
Alibaba Group(阿里巴巴集团);Nanjing University(南京大学);Peking University(北京大学)
OpenCodeReview针对LLM代码评审智能体的非确定性与上下文局部性缺陷,通过在三个流水线节点注入确定性,在AACR-Bench上实现SEM-F1提升且大幅降低令牌消耗,性能优于主流编码智能体。
2026-08-12 cs.SE
LLM-Based Multi-Agent Systems for Code Generation: A Multi-Vocal Literature Review
Tampere University(坦佩雷大学)
本文通过多声调文献综述分析了大语言模型多智能体系统在代码生成中的应用,总结了其动机、模型、挑战及未来方向。
2026-02-25 cs.SE
Test case generation for agent-based models: A systematic literature review
基于Agent的模型在模拟复杂的突发现象和支持关键决策方面发挥着重要作用。在这种情况下,软件故障可能会导致信息不充分的决策,从而导致灾难性的后果。因此,严格测试这些模型的能力至关重要。在这个系统的文献综述中,我们回答了五个研究问题的关键方面的测试用例生成基于代理的模型:什么是用于生成测试的信息工件?这些测试是如何生成的?如何将判定分配给生成的测试?如何衡量生成的测试套件的充分性?生成的测试针对基于代理的模型的什么抽象级别?我们的研究结果表明,虽然大多数技术是有效的测试功能需求的代理和集成抽象层次,有相对较少的技术能够测试社会层面的行为。此外,我们确定需要更彻底的评估,使用现实的案例研究,具有挑战性的属性与一个典型的基于代理的模型。
2021-03-18 cs.MA cs.SE
Habituation at the Gate: Rising Approval and Declining Scrutiny in Human Review of AI Agent Code
Carnegie Mellon University(卡内基梅隆大学);Georgia Institute of Technology(佐治亚理工学院)
通过分析400名重复审查者在七个月内对AI生成代码的审查行为,发现批准率从30.1%上升至36.8%,审查评论量下降22%,而等待时间增加3.5倍,表明审查者因工作负荷增加而出现习惯化反应。
2026-06-23 cs.SE
Reviewing Beyond the Change: Repository Size and Existing Code Across Agent and Human Pull Requests
University of East London(东伦敦大学)
本研究探究智能体与人类提交请求中,审查者提及变更外现有仓库条目的情况,发现该提及频率随代码文件规模增大而升高,且两类提交请求模式相似,智能体提及仅呈微小可忽略超额。
2026-10-14 cs.SE
Using Agentic AI for contextualized and multifaceted code review at Ericsson
Blekinge Institute of Technology(布莱金厄理工学院);Ericsson AB(爱立信公司)
针对现有代码审查方法缺乏项目情境化知识的问题,提出一种多智能体解决方案,结合专门技能与情境知识,在爱立信工业环境中实现四维度代码审查,准确率达96%,约69%识别问题被评定为重要。
2026-09-15 cs.SE
LLM-Based Multi-Agent Systems for Software Engineering: Literature Review, Vision and the Road Ahead
本文系统综述了大语言模型多智能体系统在软件工程各阶段的应用现状,通过案例研究验证其能力与局限,并提出面向自主、可扩展、可信赖系统的研究议程。
2025-07-18 cs.SE
Quantifying Overclaiming Propensity in Frontier LLM Agents
本研究通过OverclaimBench评估套件量化前沿编码智能体过度声称任务完成的情况,发现多数智能体在未读全部文件时仍误导用户,且虚假声称完成会显著增加缺陷遗漏率。
2026-09-23 cs.AI cs.LG cs.SE
Survey of LLM Agent Communication with MCP: A Software Design Pattern Centric Review
Visaze LLC(Visaze有限责任公司);Hewlett Packard Enterprise(惠普企业)
本文综述了经典软件设计模式如何增强基于LLM的智能体AI系统中通信的可靠性和可扩展性,重点分析了模型上下文协议(MCP),并探讨了中介者、观察者、发布-订阅和代理等模式在MCP兼容框架中的应用。
2026-05-22 cs.SE
From Industry Claims to Empirical Reality: An Empirical Study of Code Review Agents in Pull Requests
Kennesaw State University(肯尼索州立大学);Quanta Technology(夸塔技术)
本文通过分析代码审查代理(CRAs)在拉取请求中的表现,探讨其对合并成功率的影响,发现CRAs生成的反馈质量与PR废弃率密切相关,需人类监督以提高代码审查效果。
2026-04-03 cs.SE
Issue-Oriented Agent-Based Framework for Automated Review Comment Generation
Tianjin University(天津大学);The University of Melbourne(墨尔本大学);University of California Berkeley(加州大学伯克利分校)
提出 RevAgent,一种基于智能体的面向问题的自动化代码评审意见生成框架,通过生成、判别、训练三阶段协同显著提升意见质量与问题识别准确率。
2025-11-01 cs.SE
Humans Integrate, Agents Fix: How Agent-Authored Pull Requests Are Referenced in Practice
Concordia University(康考迪亚大学);Tianjin University(天津大学);The University of Osaka(大阪大学)
研究通过分析AIDev数据集中的代理撰写的拉取请求引用,揭示了人类与代理之间引用意图的分类,发现人类主要用于构建新功能,而代理用于修复错误,且引用的拉取请求生命周期更长,审查时间更长。
2026-04-05 cs.SE
AI-to-AI Code Reviews of GitHub Pull Requests
École de technologie supérieure (ÉTS Montréal)(高等技术学院);Department of Computer Science, Trent University(特伦特大学计算机系)
该研究构建大规模 AI 对 AI 代码审查数据集,分析 GitHub 上 AI 智能体生成 PR 的审查情况,发现跨产品审查占比约 1.6%且增速快,审查输出因配置而异,闭环 AI 对 AI 审查呈增长趋势但占比仍低。
2026-08-24 cs.SE
Agent-Based Software Artifact Evaluation
Huazhong University of Science and Technology(华中科技大学);Tsinghua University(清华大学)
研究针对软件工件评估中人工评估难及现有政策缺乏验证标准的问题,构建ArtifactGuide评分标准,设计ArtifactCopilot代理,通过实验评估,该框架提升了评估性能,提高了评审信心,还为设计高质量工件提供了实践指导。
2026-07-15 cs.SE
Continuous Benchmark Generation for Evaluating Enterprise-scale LLM Agents
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Microsoft(微软)
针对企业级大语言模型智能体评估中固定基准难以适配需求迭代、真值样例稀缺的问题,提出依托半结构化文档结合大语言模型的持续基准生成方法,可构建可维护评估框架,支撑智能体性能快速反馈与针对性优化。
2025-11-13 cs.SE