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
MSRBot: Using Bots to Answer Questions from Software Repositories
软件存储库包含大量有用的信息,可用于增强软件项目。以前的工作已经利用存储库数据来改进软件开发过程的许多方面,例如,帮助提取需求决策,识别潜在的缺陷代码以及改进维护和演化。然而,在许多情况下,从业者不能从软件存储库中充分受益,因为他们需要特殊的专业知识和专门的努力来挖掘他们的存储库。因此,在本文中,我们使用机器人来自动化和简化从软件存储库中提取有用信息的过程。特别是,我们提出了一种方法,即如何使用位于软件存储库之上的机器人来回答开发人员面临的一些最常见的软件开发/维护问题。我们与12名参与者进行了初步研究,以验证机器人的有效性。我们的研究结果表明,使用机器人在回答准确性,速度和有用性方面取得了非常有希望的结果。我们的工作有可能通过显着降低进入门槛来改变MSR领域,使从软件存储库中提取有用信息变得像与机器人聊天一样简单。
2020-03-18 cs.HC cs.SE
RepoSummary: Feature-Oriented Summarization and Documentation Generation for Code Repositories
Peking University(北京大学)
本文提出RepoSummary,一种面向特性的代码仓库摘要方法,可自动生成文档并建立功能特性到代码元素的追踪链接,显著提升了特性覆盖率和追踪准确性。
2025-10-13 cs.SE
Relationship Maintenance in Software Language Repositories
这项研究的背景是测试和构建软件系统,特别是软件语言库(SLR),即,包含语言处理组件的存储库(解释器、翻译器、分析器、Transformers、漂亮的打印机等)。SLR通常用于开发和使用元编程系统、语言工作台、语言定义框架、可执行语义框架和建模框架。这项工作是调查测试和建设SLR的方式,仓库被视为一个集合的语言类型的工件被相关的应用程序的语言类型的功能或关系,服务于语言处理。语言的概念在广义上被用来包括基于文本、树、图的语言以及基于交换格式的表示和用于序列化的专有格式。这项研究的总体方法是由一个复杂的案例研究驱动的语言设计,即,一个特定的SLR具有大量的处理语言和语言处理器,以及在表示类型和实现语言方面值得注意的异质性。通过我们的研究所获得的知识是最好的理解为一个声明性的语言设计的回归测试和构建管理,我们介绍了相应的语言Ueber与可执行的语义,保持语言类型的工件之间的关系在SLR。研究报告的基础是全面的、正式的、可执行的Ueber语言的(基于逻辑编程的)定义及其在SLR YAS管理中的系统应用,该管理由数百种语言定义和处理组件组成(如解释器和转换)超过30种语言(不包括不同的表示类型),Prolog,Haskell,Java和Python被用作实现语言。这项工作的重要性源于回归测试和构建管理所隐含的巨大成本,以及SLR的复杂性,这需要帮助理解的方法。
2017-01-27 cs.PL cs.SE
GitEvo: Code Evolution Analysis for Git Repositories
Department of Computer Science, UFMG(联邦米纳斯吉拉斯大学计算机系)
GitEvo是一种多语言、可扩展的工具,用于分析Git仓库中的代码演进,支持实证研究和教学应用。
2026-01-31 cs.SE
When the Open Source Community Meets COVID-19: Characterizing COVID-19 themed GitHub Repositories
自2019冠状病毒病疫情爆发以来,来自跨学科领域的研究人员共同努力应对危机。开源社区在应对这一流行病方面发挥着至关重要的作用,这本身就是一个合作过程。大量与COVID-19相关的数据集、工具、软件、深度学习模型在研究社区中被创建和共享。然而,以COVID-19为主题的开源项目尚未得到系统研究,我们仍然不知道开源社区如何在实践中帮助抗击COVID-19。为了填补这一空白,在本文中,我们首先研究了GitHub中的COVID-19主题存储库,GitHub是最受欢迎的协作平台之一。截至2020年7月,我们已收集超过67,000个COVID-19主题GitHub存储库。然后,我们从一些方面来描述它们,并将它们分为六类。我们进一步调查的贡献模式的贡献者,开发和维护模式的存储库。本研究揭示了在实践中采用开源技术和资源来快速应对全球突发公共卫生事件的有希望的方向,并揭示了存在的改进挑战。
2020-10-23 cs.SE
To What Extent Does Agent-generated Code Require Maintenance? An Empirical Study
National Institute of Technology, Nara College(奈良工业高等专门学校);Nara Institute of Science and Technology(奈良先端科学技术大学院大学)
研究通过分析AI生成与人工编写代码的维护情况,发现AI代码维护频率较低,主要修改类型为功能扩展,而人工代码则以修复bug为主,人类开发者主导了大部分维护工作。
2026-05-09 cs.SE
On the Maintenance and Co-evolution of Agent Plugins: An Empirical Study of Claude Code Plugin Marketplaces
本研究通过对Claude Code插件市场的实证分析,揭示智能体插件的维护与协同演化规律,发现其功能驱动开发特征及新型组件耦合依赖关系。
2026-08-31 cs.AI cs.SE
Classifying Issues in Open-source GitHub Repositories
该研究面向 GitHub 开源仓库问题标签缺失问题,分析知名仓库并用 ML 与 DNN 模型将 issue 分为 Bug、API、Documentation 等常见类别,以提升分派与开发效率。
2025-07-25 cs.SE
How Developers Adopt, Use, and Evolve CI/CD Caching: An Empirical Study on GitHub Actions
University of Toronto(多伦多大学);McGill University(麦吉尔大学);Queen’s University(女王大学)
本文通过分析952个GitHub仓库,研究开发者在GitHub Actions中配置和演变CI/CD缓存的方式,揭示缓存使用模式及演变驱动因素,量化缓存维护的大量工作量。
2026-04-13 cs.SE
Analyzing GitHub Issues and Pull Requests in nf-core Pipelines: Insights into nf-core Pipeline Repositories
University of Saskatchewan(萨斯喀彻温大学)
本文通过分析 nf-core 流水线的 GitHub 问题和拉取请求,揭示了开发和维护过程中面临的挑战,如工具开发、仓库维护及 CI 配置管理,并提出提升流水线可持续性和可重复性的方法。
2026-02-10 cs.SE
From Reading Code to Reading Spec: A Verified Layer for LLM-Driven Codebase Maintenance
Portland State University(波特兰州立大学);Clemson University(克莱姆森大学)
针对LLM生成代码增加维护负担的问题,提出PROOF方法,通过结构化规范间接管理代码库,验证语义等价性并同步更新,实验证明其有效性。
2026-11-16 cs.CL cs.SE
Predicting the Objective and Priority of Issue Reports in Software Repositories
开发人员协作讨论、实现、使用和共享托管在软件存储库上的软件实体。正确的文档在成功的软件管理和维护中起着重要的作用。用户利用问题跟踪系统(一种软件存储库工具)跟踪问题报告,管理工作量和流程,最后记录团队工作的亮点。问题报告是协作管理的软件知识的丰富来源,可以包含报告的问题,对新功能的请求,或者仅仅是关于软件产品的问题。随着这些问题数量的增加,手动管理它们变得越来越困难。GitHub提供了标记问题的标签,作为问题管理的一种手段。然而,在GitHub的前1000个存储库中,大约有一半的问题没有任何标签。我们的目标是自动化软件团队管理问题报告的过程。我们提出了一个两阶段的方法来预测背后的目标打开一个问题,它的优先级使用功能工程方法和国家的最先进的文本分类。据我们所知,我们是第一个微调Transformer以进行问题分类的公司。我们在基于项目和跨项目的环境中对模型进行训练和评估。后一种方法提供了一个通用的预测模型,适用于任何看不见的软件项目或几乎没有历史数据的项目。我们提出的方法可以成功地预测问题报告的目标和优先级,分别为82%和75%的准确率。此外,我们对六个看不见的GitHub项目中未标记的问题进行了人工标记和评估,以评估跨项目模型在新数据上的性能。该模型达到90%的准确率。我们获得85%的平均百分比协议和71%的伦道夫的自由边际Kappa转化为大量的协议之间的贴标机。
2021-09-28 cs.SE
Not All Agents Are Equal: Code Quality and Post-Merge Maintenance Across Five Autonomous Coding Agents in the Wild
Texas Tech University(德克萨斯理工大学)
本研究分析五个商业编码智能体的3.7万余个真实PR,发现代码质量因供应商而异,Codex回滚率低于人类,Devin高于人类,且智能体代码安全异味更少,审查负担分布不均。
2026-09-17 cs.SE
Technical Debt Management in OSS Projects: An Empirical Study on GitHub
技术债(TD)是指延迟的任务和不成熟的工件,可能会带来短期的好处,但在长期的维护和发展过程中会产生额外的更改成本。在过去的十年中,人们对TD进行了广泛的研究,许多开源软件项目被用来探索TD的具体方面,并验证TD管理的各种方法。然而,对于开放源码软件开发中的时分复用实践,仍然缺乏全面的理解,这渗透了开放源码软件社区对时分复用概念的理解,以及在开放源码软件开发中如何管理时分复用。为此,我们对整个GitHub进行了实证研究,以探索基于OSS项目中的问题的TDM的采用和执行。我们从GitHub的问题跟踪系统中收集了2009年至2020年期间分布在3,598个存储库中的35,278个标记为TD(TD问题)的问题。调查结果如下:(1)开放源码软件社区正在接受TD概念;(2)对TD实例的分析表明,TD可能会影响软件系统的内部和外部质量;(3)在31.1%的存储库中只发现了一个TD问题,在69.0%的存储库中,所有TD问题都是由一个开发人员发现的;(4)27.3%的知识库在发现TD问题后忽视了TDM;(5)在有TD标签的知识库中,32.9%的知识库放弃了TDM,只有8.2%的知识库采用TDM作为一贯做法。这些发现为TDM实践者提供了有价值的见解,并为进一步调查提供了有前途的研究方向。
2022-12-11 cs.SE
Detection, Classification and Prevalence of Self-Admitted Aging Debt
University of Oulu(奥卢大学);University of Helsinki(赫尔辛基大学)
本文提出软件老化债务(AD)概念,通过分析源代码注释中的自我承认老化债务(SAAD),构建分类体系并量化9000多个开源仓库,发现超21%存在SAAD且休眠型为主,助力主动维护。
2025-04-24 cs.AI cs.CE cs.GL
Scalable Source Code Similarity Detection in Large Code Repositories
源代码相似性越来越多地用于应用程序开发中,以识别克隆,隔离错误和发现版权侵犯。由于原始代码中的错误必须在每个副本中修复,因此类似的代码片段可能非常有问题。其他维护更改(如扩展或修补程序)必须多次应用。此外,编码风格的多样性和现代语言的灵活性使得手动检查大型代码库变得困难且成本低。因此,检测只能通过自动技术进行。本文提出了一种基于源代码控制流图指纹识别的相似代码片段识别方法。处理源代码以生成控制流图,然后对控制流图进行散列以创建捕获语义以及语法相似性的代码的唯一指纹。然后可以有效地存储和检索指纹以执行代码片段之间的相似性搜索。我们的原型实现的实验结果支持我们的方法的有效性,并显示其有效性和效率与其他解决方案相比。
2019-07-26 cs.IR cs.PL cs.SE
On Using Stack Overflow Comment-Edit Pairs to recommend code maintenance changes
代码维护数据集通常由包含改进或修复的代码的前后版本组成。这样的数据集对于与代码维护相关的软件工程支持工具是重要的,例如程序修复、代码推荐系统或应用编程接口(API)误用检测。当前的大多数数据集都是通过挖掘版本控制系统中的提交历史或问题跟踪系统中的问题来构建的。在本文中,我们将研究Stack Overflow是否可以用作额外的数据源。Stack Overflow上的评论为开发人员提供了一种有效的方法,可以指出现有答案、替代解决方案或陷阱中的问题。在本文中,我们从Stack Overflow中挖掘评论-编辑对,并研究它们的潜在有用性。这些对具有额外的好处,即对为什么需要更改进行具体描述,并且可能需要处理的更改较少。我们首先设计了一种技术来提取相关的评论编辑对,然后调查这些对的性质。我们发现大多数评论-编辑对并不纠缠在一起,但只有27%的研究对可能对上述应用有用。我们对挖掘对的类型进行了分类,发现有用对的最高比例来自纠正,Objective,Flaw和Extension类别。为了证明我们提取的对的有效性,我们在GitHub上提交了15个pull请求,其中10个已被广泛使用的存储库(如Apache Beam和nltk)接受。我们的工作是第一个研究Stack Overflow注释-编辑对的工作,并为未来的工作打开了大门。基于我们的发现和观察,我们提供了关于如何潜在地识别更大的有用的评论-编辑…
2021-01-25 cs.SE
An Empirical Study of the Evolution of GitHub Actions Workflows
University of Mons(蒙斯大学);Radboud University(拉德堡德大学)
本研究通过分析GitHub Actions工作流的变化,发现工作流修改多集中于任务配置,且大多数修改较小,强调了对依赖管理和AI支持工作流安全性的需求。
2026-03-01 cs.SE
Automated Generation of Commit Messages in Software Repositories
针对开发人员因时间和技能问题忽视有效提交信息编写的问题,提出基于ML/NLP的自动化生成方法,采用TF-IDF与Word2Vec的逻辑回归、LSTM等模型,在Liu等人数据集上训练评估,最高BLEU得分为16.82,为提交信息生成提供有效自动化方案。
2025-04-17 cs.SE
GitQ- Towards Using Badges as Visual Cues for GitHub Projects
GitHub托管数百万个软件存储库,方便开发人员以多种方式为许多项目做出贡献。大多数关于仓库的信息都是基于文本的,以star、fork、commits等形式出现。然而,愿意为GitHub上的项目贡献内容的开发人员通常会发现,由于GitHub上存在大量的仓库,因此选择合适的项目进行贡献或重用是一件很有挑战性的事情。此外,获取这些所需的信息往往成为一个繁琐的过程,因为人们必须仔细挖掘隐藏在存储库中的信息。为了减轻工作密集型的挖掘过程,研究人员提出了npm标记来概述与项目的构建状态相关的信息。然而,这些标记是静态的,并且将它们的使用限制在包依赖性和构建细节上。向存储库添加诸如标记之类的可视提示可能会减少开发人员的搜索空间。因此,我们提出了GitQ,以自动增加GitHub存储库,其中包含代表源代码和项目维护信息的徽章。将GitQ作为浏览器插件呈现给GitHub可以让使用GitHub的开发人员轻松访问它。基于UTAUT模型,GitQ由15名开发人员进行评估,以了解开发人员对其有用性的看法。我们观察到,15个开发人员中有11个认为GitQ在使用GitQ生成的视觉提示来识别正确的存储库集方面很有用。源代码和工具可以在GitHub上下载,网址是https://github.com/gitq-for-github/plugin,演示可以在https://youtu.be/c0yohmIat3A上找到…
2022-05-02 cs.HC cs.SE
An Empirical Study of Blockchain Repositories in GitHub
区块链是一种分布式账本技术,可以保证交易的可追溯性。区块链被应用于金融等多个领域(例如,加密货币),医疗保健,安全和供应链。在开源软件(OSS)门户网站GitHub中,我们观察到越来越多的人采用基于区块链的解决方案。鉴于基于区块链的解决方案在我们的日常生活和不断发展的加密货币市场中迅速出现,了解现状,开发人员通常如何在这些存储库中进行交互,以及他们在应用代码更改方面有多大的自由度是很重要的。我们报告了对GitHub上3,664个区块链软件库的实证研究。我们将区块链存储库分为两类:工具(例如,SDK)和应用程序(例如,使用SDK开发的服务/解决方案)。应用程序类别进一步分为两个子类别:加密和非加密应用程序。在所有区块链存储库类别中,提交时的贡献交互是最常见的交互类型。我们发现,更多的组织比个人用户为区块链仓库做出了贡献。工具中的内部和外部用户的中位数高于应用程序库。我们观察到更高程度的合作(例如,对于维护工作)在区块链工具中的用户中比在应用程序存储库中的用户中。在工件中,问题比提交和拉取请求有更多的交互。关于自主性,我们发现,不到一半的项目贡献是自主的。我们的研究结果为区块链利益相关者提供了启示,例如开发人员要了解区块链软件的OSS实践。
2022-05-17 cs.CR cs.SE
An Exploration of Agentic Information Fusion for Test Maintenance Prediction
Chalmers University of Technology and University of Gothenburg(楚德斯技术大学和戈特堡大学);Ericsson AB(爱立信有限公司);University of Gothenburg(戈特堡大学)
研究针对测试维护预测问题,提出多智能体框架MAST,通过智能融合多种分析方法及后检查程序,在实际场景中评估,提升了测试维护预测水平。
2026-07-07 cs.AI cs.MA cs.SE
Do These Violent Delights Have Violent Ends? Measuring the Post-Merge Fate of Agentic Code
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);George Washington University(乔治华盛顿大学)
研究代理代码合并后的命运,通过对182个仓库实证分析,发现其虽与人工维护率相似,但需更高纠正性维护率,还引入更多问题,且维护负担与仓库特征有关,强调评估设计代理工具要兼顾安全性与可维护性。
2026-07-14 cs.AI cs.SE
Larger Is Not Always Better: Exploring Small Open-source Language Models in Logging Statement Generation
针对大语言模型用于自动化日志生成存在隐私与资源问题的现状,本文通过大规模实证研究发现,经LoRA微调并结合RAG提示的小型开源语言模型(如Qwen2.5-coder-14B)在日志生成任务上表现更优,是兼顾隐私与效率的替代方案。
2025-09-04 cs.SE
On the GitHub Actions Language: Usage, Evolution, and Workflow Reliability
University of Mons(蒙斯大学)
本文通过分析 49K 仓库中的 260K 工作流,实证研究了 GitHub Actions 语言结构的使用和演变如何影响工作流可靠性与可维护性,发现复杂工作流与高失败率和维护成本相关,并识别出与风险相关的特定特征。
2026-05-26 cs.SE
Detect Related Bugs from Source Code Using Bug Information
开源项目在开发和维护过程中经常会维护开放的bug仓库,报告者在提交bug时往往会直接或含蓄地指出bug发生的原因。关于bug的注释对于开发人员定位和修复bug是非常有价值的。同时,在大型软件中,程序员根据相同的逻辑重写或重载某些方法是非常常见的。如果一个方法导致了一个bug,那么很明显,其他重写或重载的方法可能会导致相关或类似的bug。在本文中,我们提出并实现了一个工具Rebug- Detector,它使用错误信息和代码特征来检测相关的错误。该方法首先从缺陷库中的缺陷信息中提取缺陷特征;其次从源代码中定位缺陷方法,并提取缺陷方法的代码特征;然后计算每个被覆盖或重载的方法与缺陷方法之间的相似度;最后确定哪个方法可能导致潜在的相关或相似缺陷。我们在一个开源项目Apache Lucene-Java上评估Rebug-Detector。我们的工具总共检测到61个相关的错误,其中包括21个真正的错误和10个可疑的错误,它花费了我们大约15.5分钟。结果表明,我们的工具提取的错误特征和代码特征是有用的,以发现在现有的项目中的真正的错误。
2011-03-18 cs.SE
CCCE: A Continuous Code Calibration Engine for Autonomous Enterprise Codebase Maintenance via Knowledge Graph Traversal and Adaptive Decision Gating
Independent Researcher(独立研究员)
本文提出CCCE,通过知识图谱遍历和自适应决策门控技术,实现企业代码库的自主维护,减少修复时间并提供端到端可追溯性。
2026-04-10 cs.AI cs.SE
Detecting AI Coding Agents in Open Source: A Validated Multi-Method Census of 180 Million Repositories
提出多层面检测框架,整合配置扫描、提交消息分析等四种方法,发现单一信号低估AI代理活动达30倍,揭示不同检测渠道捕获的代理群体几乎不重叠。
2026-06-24 cs.AI cs.SE
18 Million Links in Commit Messages: Purpose, Evolution, and Decay
本文大规模研究了23110个GitHub仓库提交中1820万条链接,发现链接引用普遍但易衰减,70%的不同链接遭受衰减,与代码中链接命运相同。
2023-05-26 cs.SE
Automating Quantum Software Maintenance: Flakiness Detection and Root Cause Analysis
Toronto Metropolitan University(多伦多都会大学);University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
本研究针对量子软件中不稳定测试的检测难题,构建基于transformers与余弦相似度的自动化检测框架,扩充54%的不稳定测试数据集,验证了LLM的检测效果并指出根因识别的提升方向。
2024-10-31 cs.AI cs.SE
Mining the YARA Ecosystem: From Ad-Hoc Sharing to Data-Driven Threat Intelligence
Polytechnique Montréal(蒙特利尔理工学院);Concordia University(康考迪亚大学)
研究通过分析840万条规则揭示YARA生态系统高度集中且存在运营问题,提出需从随意收集转向严格规则工程。
2026-03-15 cs.CR cs.SE
Semantic Source Code Models Using Identifier Embeddings
本文利用 fastText 对 Java、Python、PHP、C、C++ 和 C# 六种语言的超过 13,000 个代码仓库训练标识符嵌入模型,以构建语义代码表示,并分析了跨语言差异对预处理和训练参数的影响。
2019-04-15 cs.SE
A Study of Cursorrules Files in GitHub Open Source Projects
Leiden Institute of Advanced Computer Science, Leiden University(莱顿大学高级计算机科学研究所)
本研究对GitHub开源项目中的.cursorrules文件开展实证研究,明确其分布、内容特征及与.mdc文件的主题连续性,揭示其多用于小型非专业项目的现状。
2026-08-12 cs.SE
Attribution Required: Stack Overflow Code Snippets in GitHub Projects
Stack Overflow(SO)是最大的开发者问答网站,提供了大量可复制的代码片段。使用这些片段会引起各种维护和法律问题。SO许可证需要署名,即,引用原始问题或答案,并要求派生作品采用兼容的许可证。虽然有一个激烈的辩论SO的许可证模型的代码片段和所需的归属,很少有人知道的程度,代码片段被复制从SO没有适当的归属。在本文中,我们提出了一项实证研究的研究设计和总结结果,分析了GitHub项目中SO代码片段的属性和非属性使用。平均而言,3.22%的被分析仓库和7.33%的流行仓库包含对SO的引用。此外,我们发现开发人员更愿意参考SO上的整个线程,而不是特定的答案。对于Java,至少有三分之二的复制片段没有属性。
2017-07-03 cs.SE
The Thousand-Graph Hypothesis: A Testable Hypothesis of Task-Conditioned Relation Materialization in Repository-Level Code Reasoning
Alibaba Group(阿里巴巴集团)
针对仓库级代码推理的上下文限制与关系图维护问题,该研究提出带任务条件关系实例化的仅实体外部接口,经DeepSeek-V4-Flash和SWE-bench Verified评估,双层索引方案在零预构建边时成功率达95.6%。
2026-08-28 cs.CL cs.SE
Source Code Hotspots: A Diagnostic Method for Quality Issues
University of Virginia(弗吉尼亚大学);Virginia Tech(弗吉尼亚理工大学);Athens University of Economics and Business(雅典经济与商业大学);Delft University of Technology(代尔夫特理工大学)
本文提出了一种诊断源代码质量问题的方法,通过分析热点模式识别出自动化工具对变更历史的干扰,并提供重构指南以改善软件质量。
2026-02-13 cs.SE
GitSkills: A Dataset of Agent Skills on GitHub
University College London(伦敦大学学院);University of Cagliari(卡利亚里大学)
本文提出GitSkills数据集,包含从28.22万个公开GitHub代码库收集的379.7117万个智能体技能相关文件,为智能体技能的多维度研究提供了数据支撑。
2026-09-14 cs.AI cs.SE
Documentation of quality requirements in agile software development
背景:质量需求(QR)在软件项目的成功中起着重要的作用。在敏捷软件开发(ASD)中,工作软件的价值高于全面的文档,QR通常是未详细说明或未记录的。因此,它们可能处理不当,导致软件质量下降和维护成本增加。调查ASD中的QR文档,将提供ASD中考虑的现有实践、工具和方面的证据,其他从业者可以利用这些证据来改善ASD中QR的文档和管理。虽然有一些研究检查ASD中的文档,但缺乏深入研究QR文档的研究。方法:我们进行了一项多病例研究,通过采访四个ASD病例的15名从业者,为ASD中QR的记录提供经验证据。我们还与两个案例一起运行研讨会,以确定ASD从业者在需求管理存储库中记录QR时考虑的重要方面。结果和结论:ASD公司的方法QR文档,以适应其上下文的需要。他们使用工具,积压,迭代原型,...请参阅PDF文件的其余部分的摘要和其余的文件
2020-10-06 cs.SE
Evaluating Software Contribution Quality: Time-to-Modification Theory
本文提出修改时间(TTM)理论,通过测量代码引入到首次修改的时间间隔来量化代码质量与持久性,为软件工程提供捕获代码库演化的动态指标,可用于预测维护需求、优化绩效评估并减少技术债务。
2024-10-15 cs.SE
Reasoning About Variability Models Through Network Analysis
Universidad de Sevilla(塞维利亚大学);Universidad Nacional de Educación a Distancia (UNED)(西班牙国家远程教育大学)
本文通过网络分析研究变体模型的结构特性,分析了5709个模型的依赖和冲突关系,揭示了结构模式和领域差异,为维护和演化变体模型提供了量化依据。
2026-03-17 cs.SE
Usage and Attribution of Stack Overflow Code Snippets in GitHub Projects
Stack Overflow(SO)是最受软件开发人员欢迎的问答网站,提供了大量可复制的代码片段。使用这些片段会引起维护和法律问题。SO的许可证(CC BY-SA 3.0)需要署名,即,引用原始问题或答案,并要求派生作品采用兼容的许可证。虽然有一个激烈的辩论SO的许可证模型的代码片段和所需的归属,很少有人知道的程度,代码片段被复制从SO没有适当的归属。我们提出了一项大规模实证研究的结果,分析了公共GitHub(GH)项目中SO答案中非平凡Java代码片段的使用和属性。我们遵循三种不同的方法来对未归因使用的比例进行三角测量,并与软件开发人员进行了两次在线调查,以补充我们的结果。对于我们分析的不同项目集,包含引用SO的文件的项目比例在3.3%和11.9%之间变化。我们发现,在所有分析过的包含SO代码的存储库中,最多有1.8%的代码以与CC BY-SA 3.0兼容的方式使用。此外,我们估计,从SO复制的代码片段中,最多有四分之一是根据需要进行属性化的。在接受调查的开发人员中,近一半的人承认在没有署名的情况下从SO复制代码,约三分之二的人不知道SO代码片段的许可及其影响。
2018-09-21 cs.SE
Towards Understanding the Impact of Code Modifications on Software Quality Metrics
本研究通过聚类GitHub代码修改并借助AI语言模型描述各簇功能,揭示代码变更对软件质量度量指标的集体影响,为理解代码变更与质量关系及改进维护策略提供新方法。
2024-04-05 cs.SE
An Empirical Analysis of Git Commit Logs for Potential Inconsistency in Code Clones
本研究针对代码克隆对提交日志分析不足的问题,通过git-log分析Apache基金会45个仓库的克隆提交情况,发现克隆变更频率低、共同变更占比约一半且存在大量潜在不一致克隆对,凸显了克隆全周期一致性管理的必要性。
2024-09-13 cs.SE
On the Rationale and Use of Assertion Messages in Test Code: Insights from Software Practitioners
本文通过调查138名专业软件从业者,研究断言消息的使用目的、编写挑战与维护方式,并为高质量断言消息及自动化测试工具改进提供指南。
2024-08-03 cs.SE
Augmenting software engineering with AI - The ai4se taxonomy and its use
Technische Universität Berlin(柏林工业大学)
本文针对MDSE应用受限问题,提出ai4se分类法,展望SE中利用MDSE结构优势与AI可扩展性的大模型愿景,并探讨人机协作的配对建模范式以提升软件质量。
2026-08-06 cs.ET cs.SE
Semantic Source Code Segmentation using Small and Large Language Models
GESIS - Institute for Social Sciences(GESIS莱布尼茨社会科学研究所);Ulm University(乌尔姆大学);Utrecht University(乌得勒支大学)
本文提出利用LLMs和SLMs自动化分割研究R代码的方法,结合上下文逐行分析优于基于范围的分割,微调后的小模型表现优于大模型。
2025-07-11 cs.CL cs.PL cs.SE