Buchumschlag

Generative AI for Pull Request Descriptions: Adoption, Impact, and Developer Interventions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiao, Tao, Hata, Hideaki, Treude, Christoph, Matsumoto, Kenichi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DevGPT: Studying Developer-ChatGPT Conversations
von: Xiao, Tao, et al.
Veröffentlicht: (2023)

"My GitHub Sponsors profile is live!" Investigating the Impact of Twitter/X Mentions on GitHub Sponsors
von: Fan, Youmei, et al.
Veröffentlicht: (2024)

GitHub Actions: The Impact on the Pull Request Process
von: Wessel, Mairieli, et al.
Veröffentlicht: (2022)

Let's Make Every Pull Request Meaningful: An Empirical Analysis of Developer and Agentic Pull Requests
von: Yoshioka, Haruhiko, et al.
Veröffentlicht: (2026)

The Impact of Sanctions on GitHub Developers and Activities
von: Fan, Youmei, et al.
Veröffentlicht: (2024)

Who Said CVE? How Vulnerability Identifiers Are Mentioned by Humans, Bots, and Agents in Pull Requests
von: Rooijendijk, Pien, et al.
Veröffentlicht: (2026)

Evaluating the Impact of Data Cleaning on the Quality of Generated Pull Request Descriptions
von: Tire, Kutay, et al.
Veröffentlicht: (2025)

How AI Coding Agents Communicate: A Study of Pull Request Description Characteristics and Human Review Responses
von: Watanabe, Kan, et al.
Veröffentlicht: (2026)

Self-Admitted GenAI Usage in Open-Source Software
von: Xiao, Tao, et al.
Veröffentlicht: (2025)

The Value of Effective Pull Request Description
von: Pirouzkhah, Shirin, et al.
Veröffentlicht: (2026)

Quantifying and Characterizing Clones of Self-Admitted Technical Debt in Build Systems
von: Xiao, Tao, et al.
Veröffentlicht: (2024)

A Longitudinal Analysis of Good First Issue Practices and Newcomer Pull Requests in Popular OSS Projects
von: Hoshikawa, Hirotatsu, et al.
Veröffentlicht: (2026)

Insights into Security-Related AI-Generated Pull Requests
von: Rabbi, Md Fazle, et al.
Veröffentlicht: (2026)

Going Viral: Case Studies on the Impact of Protestware
von: Fan, Youmei, et al.
Veröffentlicht: (2024)

Do Comments and Expertise Still Matter? An Experiment on Programmers' Adoption of AI-Generated JavaScript Code
von: Li, Changwen, et al.
Veröffentlicht: (2025)

The Quiet Contributions: Insights into AI-Generated Silent Pull Requests
von: Hasan, S M Mahedy, et al.
Veröffentlicht: (2026)

Developer Reactions to Protestware in Open Source Software: The cases of color.js and es5.ext
von: Fan, Youmei, et al.
Veröffentlicht: (2024)

From Release to Adoption: Challenges in Reusing Pre-trained AI Models for Downstream Developers
von: Banyongrakkul, Peerachai, et al.
Veröffentlicht: (2025)

The Impact of Documentation on Test Engagement in Pull Requests in OSS
von: Amore, Teal, et al.
Veröffentlicht: (2026)

Creative and Correct: Requesting Diverse Code Solutions from AI Foundation Models
von: Blyth, Scott, et al.
Veröffentlicht: (2024)

How Do Developers Use Code Suggestions in Pull Request Reviews?
von: Bouraffa, Abir, et al.
Veröffentlicht: (2025)

"An Endless Stream of AI Slop": The Growing Burden of AI-Assisted Software Development
von: Baltes, Sebastian, et al.
Veröffentlicht: (2026)

Quality and Security Signals in AI-Generated Python Refactoring Pull Requests
von: Almukhtar, Mohamed, et al.
Veröffentlicht: (2026)

These Aren't the Reviews You're Looking For How Humans Review AI-Generated Pull Requests
von: Duma, Kacper, et al.
Veröffentlicht: (2026)

Code Change Characteristics and Description Alignment: A Comparative Study of Agentic versus Human Pull Requests
von: Pham, Dung, et al.
Veröffentlicht: (2026)

Early-Stage Prediction of Review Effort in AI-Generated Pull Requests
von: Minh, Dao Sy Duy, et al.
Veröffentlicht: (2026)

What Developers Ask to ChatGPT in GitHub Pull Requests? an Exploratory Study
von: Silva, Julyanara R., et al.
Veröffentlicht: (2025)

Nigerian Software Engineer or American Data Scientist? GitHub Profile Recruitment Bias in Large Language Models
von: Nakano, Takashi, et al.
Veröffentlicht: (2024)

Do Autonomous Agents Contribute Test Code? A Study of Tests in Agentic Pull Requests
von: Haque, Sabrina, et al.
Veröffentlicht: (2026)

Empirical Analysis of Pull Requests for Google Summer of Code
von: Popoola, Saheed
Veröffentlicht: (2024)

Comparing AI Coding Agents: A Task-Stratified Analysis of Pull Request Acceptance
von: Pinna, Giovanni, et al.
Veröffentlicht: (2026)

The Shift from Writing to Pruning Software: A Bonsai-Inspired IDE for Reshaping AI Generated Code
von: Kula, Raula Gaikovina, et al.
Veröffentlicht: (2025)

Automatic Pull Request Description Generation Using LLMs: A T5 Model Approach
von: Sakib, Md Nazmus, et al.
Veröffentlicht: (2024)

Bot-Driven Development: From Simple Automation to Autonomous Software Development Bots
von: Treude, Christoph, et al.
Veröffentlicht: (2024)

An Empirical Study on Developers Shared Conversations with ChatGPT in GitHub Pull Requests and Issues
von: Hao, Huizi, et al.
Veröffentlicht: (2024)

The Future of Development Environments with AI Foundation Models: NII Shonan Meeting 222 Report
von: Hu, Xing, et al.
Veröffentlicht: (2025)

Collaborator or Assistant? How AI Coding Agents Partition Work Across Pull Request Lifecycles
von: Jo, Young, et al.
Veröffentlicht: (2026)

Why Are Agentic Pull Requests Merged or Rejected? An Empirical Study
von: Peralta, Sien Reeve O., et al.
Veröffentlicht: (2026)

A Study of Library Usage in Agent-Authored Pull Requests
von: Twist, Lukas, et al.
Veröffentlicht: (2025)

Rethinking Artifact Evaluation for Software Engineering in the Age of Generative AI
von: Treude, Christoph, et al.
Veröffentlicht: (2026)