arXiv cs.AI· Mohammad Wathiq Soualhi, Basem Suleiman·· 6 天前AI 评分34
AI 智能体 PR 同时修改应用代码与部署基础设施的因果研究
Co-Modifying Application Code and Deployment Infrastructure: A Causal Study of AI Agent Pull Requests
AI 导读
一项因果研究分析了 AIDev v5 和 MOSAIC-3M 两个数据集中的 26,999 个 PR，发现同时修改应用代码与部署基础设施的双域 PR 仅占智能体 PR 的 4.48%–4.55%，却呈现双峰式集成结果。
正文 · AI 翻译
摘要：当前软件工程智能体主要在隔离沙箱中针对同步本地测试进行评估。然而，在协作仓库中部署功能需要修改持续集成（CI/CD）流水线、容器和配置清单以及应用逻辑。由于智能体缺乏部署意识，尝试跨域修改会将未经验证的依赖引入异步集成流水线。为了隔离双范围拉取请求（PR）——即同时修改应用代码和部署基础设施——所带来的因果集成开销，我们评估了两个大型数据集（AIDev v5 和 MOSAIC-3M）中的 26,999 个 PR，涵盖六种智能体架构以及一个对齐的人类基线。使用确定性的四层文件分类法和精确的 4D 分层匹配框架，我们在条件可交换性下隔离了集成指标，同时控制了应用规模。我们发现智能体主要充当应用编码者或杂务工作者，维护任务占智能体 PR 的 17.70% 至 25.41%。双范围修改仅占智能体 PR 的 4.48% 至 4.55%，却触发了双峰式集成结果。在第一种模式下，经过明确审查的贡献经历长时间延迟，中位数惩罚增加 +13.13 小时，合并时间乘以 3.24 倍，这由 CI/CD 和配置清单机械性地驱动。在第二种模式下，维护者把关表现出结构性绕过：即使对于缺乏仓库写入权限的外部贡献者，智能体身份相比人类同行也将人工审查的几率降低了 63.7%。因此，43.1% 至 56.2% 的双范围 PR 绕过检查，以中位数不到 31 分钟的时间静默合并。这些未经检查的修改损害了构建验证，表明需要部署感知基准和严格的基于路径的访问控制。
| 评论： | 21 页，2 幅图 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12849 [cs.SE] |
| （或 arXiv:2610.12849v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12849 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Mohammad Wathiq Soualhi [查看电子邮件]
[v1]
2026 年 10 月 9 日星期五 01:16:04 UTC（131 KB）
来源：arXiv cs.AI · arxiv.org