arXiv cs.AI· Antonio Collante, Samuel Abedu, SayedHassan Khatoonabadi, Ahmad Abdellatif, Ebube Alor, Emad Shihab·· 1 天前AI 评分38
GPT 对代码审查流程的影响：GitHub PR 解决时间缩短超 60%
The Impact of Large Language Models (LLMs) on Code Review Process
AI 导读
一项基于 9,254 个 GitHub 项目、25,473 个 PR 的研究发现，GPT 辅助的 PR 中位解决时间为 9 小时，比非辅助 PR 的 23 小时缩短超 60%。其中审查时间减少 33%，等待接受时间减少 87%。在 300 个 GPT 辅助 PR 样本中，开发者主要用于代码优化（60%）、bug 修复（26%）和文档更新（12%）。
正文 · AI 翻译
摘要：大型语言模型（LLM）近期在软件开发领域备受关注，显著提升了生产力并简化了团队协作。尽管已有研究考察了特定任务中的应用，但 LLM 辅助对代码审查流程效率的阶段特异性影响仍缺乏深入探讨。本研究调查了 GPT 对 GitHub 拉取请求（PR）工作流的影响，重点关注缩短解决时间、优化阶段特异性表现以及为开发者提供协助。我们整理了来自 9,254 个 GitHub 项目的 25,473 个 PR 数据集，并采用半自动化启发式方法识别 GPT 辅助的 PR，该方法结合了基于关键词的检测、正则表达式过滤和人工验证，直至达到 95% 的标注准确率。随后我们应用统计建模，包括多元线性回归和 Mann-Whitney U 检验，以评估 GPT 辅助与非辅助 PR 在整体解决层面以及不同审查阶段之间的差异。我们的研究表明，早期采用 GPT 可以大幅提升 PR 流程的有效性，在各个阶段带来可观的时间节省。我们的发现表明，GPT 辅助的 PR 将中位解决时间缩短了 60% 以上（9 小时，而非辅助 PR 为 23 小时）。我们发现，使用 GPT 可以将审查时间减少 33%，并将接受前的等待时间减少 87%。通过分析 300 个 GPT 辅助 PR 的样本数据集，我们发现开发者主要将 GPT 用于代码优化（60%）、缺陷修复（26%）和文档更新（12%）。本研究揭示了 GPT 模型对代码审查流程的影响，为寻求改进工作流和促进无缝协作的软件团队提供了可操作的见解。
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2508.11034 [cs.SE] |
| （或本版本的 arXiv:2508.11034v2 [cs.SE]） | |
| https://doi.org/10.48550/arXiv.2508.11034 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Antonio Collante [查看邮箱]
[v1]
2025 年 8 月 14 日周四 19:39:01 UTC（605 KB）
[v2]
2025 年 11 月 13 日周四 13:33:44 UTC（540 KB）
来源：arXiv cs.AI · arxiv.org