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

GitHub的Pull Requests（PRs）的Copilot是一个有前途的服务，旨在自动化与PR相关的各种开发人员任务，例如生成更改摘要或提供完整的演练，并附带指向相关代码的链接。随着这种创新技术在开源软件（OSS）社区中的普及，审视其早期采用情况及其对开发过程的影响至关重要。此外，它提供了一个独特的机会，可以观察开发人员在不同意生成的内容时如何回应。在我们的研究中，我们采用混合方法，将定量分析与定性洞察相结合，以研究18,256个PR，其中部分描述是由生成的AI制作的。我们的研究结果表明：（1）尽管Copilot for PRs还处于起步阶段，但其采用率有明显提高。（2）由Copilot for PRs增强的PR需要更少的审核时间，并且更有可能被合并。（3）使用Copilot for PRs的开发人员经常用手动输入来补充自动化描述。这些结果为生成AI在软件开发中不断增长的整合提供了有价值的见解。

研究GitHub的Copilot for Pull Requests (PRs)在开源软件社区中的早期采用和对开发流程的影响。

通过混合定量分析和定性洞察力的混合方法，研究了18,256个PR，发现Copilot for PRs的采用率不断增长，它可以减少代码审查时间并提高合并的可能性，开发人员经常使用手动输入补充自动生成的描述。

论文使用了混合方法，研究了Copilot for PRs的早期采用和对开发流程的影响。结果表明，Copilot for PRs的采用率不断增长，可以减少代码审查时间并提高合并的可能性。开发人员经常使用手动输入补充自动生成的描述。

最近的相关研究尚未被提及。