Buchumschlag

Do AI Agents Really Improve Code Readability?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Horikawa, Kyogo, Horikawa, Kosei, Kashiwa, Yutaro, Uwano, Hidetake, Iida, Hajimu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage
von: Yoshimoto, Suzuka, et al.
Veröffentlicht: (2026)

Agentic Refactoring: An Empirical Study of AI Coding Agents
von: Horikawa, Kosei, et al.
Veröffentlicht: (2025)

What to Cut? Predicting Unnecessary Methods in Agentic Code Generation
von: Watanabe, Kan, et al.
Veröffentlicht: (2026)

Understanding Self-Admitted Technical Debt in Test Code: An Empirical Study
von: Nakamura, Ibuki, et al.
Veröffentlicht: (2025)

To What Extent Does Agent-generated Code Require Maintenance? An Empirical Study
von: Sawada, Shota, et al.
Veröffentlicht: (2026)

Does Programming Language Matter? An Empirical Study of Fuzzing Bug Detection
von: Shirai, Tatsuya, et al.
Veröffentlicht: (2026)

On the Use of Agentic Coding: An Empirical Study of Pull Requests on GitHub
von: Watanabe, Miku, et al.
Veröffentlicht: (2025)

An Empirical Study of Security-Policy Related Issues in Open Source Projects
von: Kanaji, Rintaro, et al.
Veröffentlicht: (2025)

On the Use of Agentic Coding Manifests: An Empirical Study of Claude Code
von: Chatlatanagulchai, Worawalan, et al.
Veröffentlicht: (2025)

Large-Scale Empirical Analysis of Continuous Fuzzing: Insights from 1 Million Fuzzing Sessions
von: Shirai, Tatsuya, et al.
Veröffentlicht: (2025)

Detecting and Characterizing Low and No Functionality Packages in the NPM Ecosystem
von: Tevarut, Napasorn, et al.
Veröffentlicht: (2025)

eye2vec: Learning Distributed Representations of Eye Movement for Program Comprehension Analysis
von: Yoshioka, Haruhiko, et al.
Veröffentlicht: (2025)

Agent READMEs: An Empirical Study of Context Files for Agentic Coding
von: Chatlatanagulchai, Worawalan, et al.
Veröffentlicht: (2025)

Large Language Models for Code Analysis: Do LLMs Really Do Their Job?
von: Fang, Chongzhou, et al.
Veröffentlicht: (2023)

Personalized Code Readability Assessment: Are We There Yet?
von: Vitale, Antonio, et al.
Veröffentlicht: (2025)

Do AI Coding Agents Log Like Humans? An Empirical Study
von: Ouatiti, Youssef Esseddiq, et al.
Veröffentlicht: (2026)

Readability-Robust Code Summarization via Meta Curriculum Learning
von: Zeng, Wenhao, et al.
Veröffentlicht: (2026)

Human-Aligned Code Readability Assessment with Large Language Models
von: Ouédraogo, Wendkûuni C., et al.
Veröffentlicht: (2025)

Investigating the Readability of Test Code: Combining Scientific and Practical Views
von: Winkler, Dietmar, et al.
Veröffentlicht: (2024)

Understanding the Characteristics of LLM-Generated Property-Based Tests in Exploring Edge Cases
von: Tanaka, Hidetake, et al.
Veröffentlicht: (2025)

Formal Methods Meets Readability: Auto-Documenting JML Java Code
von: Abad, Juan Carlos Recio, et al.
Veröffentlicht: (2025)

Personalization of Code Readability Evaluation Based on LLM Using Collaborative Filtering
von: Hiraki, Buntaro, et al.
Veröffentlicht: (2024)

Improving the Readability of Automatically Generated Tests using Large Language Models
von: Biagiola, Matteo, et al.
Veröffentlicht: (2024)

Agentic Software Engineering: Foundational Pillars and a Research Roadmap
von: Hassan, Ahmed E., et al.
Veröffentlicht: (2025)

Is Your AI-Generated Code Really Safe? Evaluating Large Language Models on Secure Code Generation with CodeSecEval
von: Wang, Jiexin, et al.
Veröffentlicht: (2024)

Assessing Consensus of Developers' Views on Code Readability
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2024)

Fingerprinting AI Coding Agents on GitHub
von: Ghaleb, Taher A.
Veröffentlicht: (2026)

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

Sema Code: Decoupling AI Coding Agents into Programmable, Embeddable Infrastructure
von: Wang, Huacan, et al.
Veröffentlicht: (2026)

Decoding the Configuration of AI Coding Agents: Insights from Claude Code Projects
von: Santos, Helio Victor F., et al.
Veröffentlicht: (2025)

GazeCopilot: Evaluating Novel Gaze-Informed Prompting for AI-Supported Code Comprehension and Readability
von: Elfares, Yasmine, et al.
Veröffentlicht: (2025)

ABTest: Behavior-Driven Testing for AI Coding Agents
von: Dai, Wuyang, et al.
Veröffentlicht: (2026)

From Restructuring to Stabilization: A Large-Scale Experiment on Iterative Code Readability Refactoring with Large Language Models
von: Peitek, Norman, et al.
Veröffentlicht: (2026)

BlueCodeAgent: A Blue Teaming Agent Enabled by Automated Red Teaming for CodeGen AI
von: Guo, Chengquan, et al.
Veröffentlicht: (2025)

AI IDEs or Autonomous Agents? Measuring the Impact of Coding Agents on Software Development
von: Agarwal, Shyam, et al.
Veröffentlicht: (2026)

The Readability Spectrum: Patterns, Issues, and Prompt Effects in LLM-Generated Code
von: Ye, Hengzhi, et al.
Veröffentlicht: (2026)

Do Code LLMs Do Static Analysis?
von: Su, Chia-Yi, et al.
Veröffentlicht: (2025)

Theory of Code Space: Do Code Agents Understand Software Architecture?
von: Sapunov, Grigory
Veröffentlicht: (2026)

When is Generated Code Difficult to Comprehend? Assessing AI Agent Python Code Proficiency in the Wild
von: Temkulkiat, Nanthit, et al.
Veröffentlicht: (2026)

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