.png){kind=icon}
返回
Does AI Code Review Lead to Code Changes? A Case Study of GitHub Actions
.png){kind=icon}
PRE
AI
DOI：10.1109/tse.2026.3688237.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于人工智能的代码审查工具自动审查和评论拉取请求以改进代码质量。尽管其应用日益广泛，但其实际影响知之甚少。我们针对GitHub工作流中16种流行的AI代码审查操作进行了一项大规模实证研究，分析了178个仓库中超过22,000条审查评论。我们调查了：(1) 这些工具如何被采用和配置；(2) 其评论是否导致代码更改；(3) 哪些因素影响其有效性。我们开发了一个两阶段LLM辅助框架来确定审查评论是否被处理。随后使用可解释机器学习来识别影响因素。我们发现，尽管采用率在增长，但其有效性差异很大。简洁、包含代码片段且由手动触发的评论，尤其是来自代码块级审查工具的评论，更可能导致代码更改。这些结果表明了工具设计的重要性，并指明了改进AI代码审查系统的方向。
Keyword:
Code review
GitHub actions
large language models
empirical software engineering
期刊
IF:
5.6
论文数:
2.9K
被引数:
1.1W
机构
引用论文
.png){kind=icon}
iCodeReviewer: Improving Secure Code Review with Mixture of PromptsiCodeReviewer：利用提示混合改进安全代码审查
PREAI
分享收藏分享收藏Predicting Good Configurations for GitHub and Stack Overflow Topic Models预测GitHub和Stack Overflow主题模型的良好配置
OAAI
OAAI分享收藏
查看更多内容