论文页面 - 生产环境中AI生成的C++质量特征刻画

来源：https://huggingface.co/papers/2608.06640

摘要

AI编码助手的广泛集成为工程效率带来了不可否认的提升。然而，最近的研究指出了日益明显的权衡，揭示了代码质量和可维护性方面的持续挑战。包括前沿AI实验室在内的行业领导者也表达了这些担忧。随着大型语言模型越来越被依赖用于编写生产代码，理解它们对已发布软件质量的影响已成为一个关键优先事项。然而，由于可观测性障碍，在工业工作流程中评估这些影响仍然困难。我们研究了一家大型企业中AI生成代码对生产质量的影响，该企业运营着全球产品，每天有数十亿用户依赖。出于这种规模和用户信任，该组织重视代码质量，并为部署到生产环境的每一行代码建立了全面的可观测性，使我们能够克服测量障碍来评估这些影响。本研究对2025年4月至2026年4月期间AI生成的C++代码进行了大规模实证分析，跟踪了该企业既有代码库中的352万个代码变更。核心目的是了解AI生成代码与人工编写代码在规模化生产环境中的质量、性能和可维护性特征。我们发现，AI生成的C++代码具有独特的质量特征，表现为更高的接口和耦合负担、复制和分配开销，以及依赖显式循环而非优化的标准API。这些问题转化为切实的下游成本，包括审查工作量增加和计算资源消耗增加5-8%。然而，我们证明，向模型提供有针对性的、基于分类法的反馈可以缓解这些影响，使目标静态分析警告减少11.1%，并提高计算效率。

查看arXiv页面 (https://arxiv.org/abs/2608.06640) 查看PDF (https://arxiv.org/pdf/2608.06640) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2608.06640)

在您的Agent中获取这篇论文：

hf papers read 2608\.06640

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型 0

没有模型链接到该论文

在模型README.md中引用arxiv.org/abs/2608.06640，即可从本页面链接到该模型。

引用该论文的数据集 0

没有数据集链接到该论文

在数据集README.md中引用arxiv.org/abs/2608.06640，即可从本页面链接到该数据集。

引用该论文的Space 0

没有Space链接到该论文

在Space README.md中引用arxiv.org/abs/2608.06640，即可从本页面链接到该Space。

包含该论文的集合 0

没有集合包含该论文

将此论文添加到集合 (https://huggingface.co/new-collection)，即可从本页面链接到它。