PyTorchKR Papers

최신 논문

총 57편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.12868v1cs.SE

Deep4ge: 결함 탐지 및 진단을 위한 DNN 학습 궤적

Deep4ge: DNN Training Trajectories for Fault Detection and Diagnosis

심층 학습 시스템은 학습 동작을 바꾸는 미묘한 구현 결함으로 인해 종종 실패한다. 최근 연구에서는 학습 에포크 전반에 걸쳐 관측되는 변화로부터 이러한 실패를 탐지하고 진단하는 방법을 연구해 왔다. 그러나 소프트웨어 공학 커뮤니티에는 결함 탐지 및 진단 작업을 위한 문서화된 결함 이력, 특징 추출 세부 사항, 그리고 명확한 재사용 지원을 갖춘 에포크 단위 학습 실행의 공개 데이터셋이 여전히 부족하다. 우리는 Stack Overflow에서 수집한 59개의 적응된 TensorFlow/Keras 심층 신경망(DNN) 프로그램으로부터 생성된 14,227개의 학습 실행으로 구성된 통제된 벤치마크 Deep4ge를 제시한다. 우리는 7개 범주에 걸쳐 알려진 결함을 도입하는 27가지 소스 코드 변환을 사용하여 결함이 있는 변종을 생성했다. 데이터셋에는 9,845개의 결함이 있는 실행과 4,382개의 올바른 기준선 실행이 포함된다. 각 실행에 대해 우리는 매 에포크의 학습 동작을 측정하는 4개의 평가 지표와 26개의 특징을 기록한다. 이러한 특징은 가중치, 그래디언트, 활성화, 정확도 및 손실 추세, 학습률, 하드웨어 사용을 포착한다. Deep4ge는 이진 결함 탐지, 다중 클래스 결함 진단, 부분 학습 실행으로부터의 조기 결함 예측을 지원한다. 우리는 https://doi.org/10.5281/zenodo.20337241 에서 데이터셋과 결함 주입 프레임워크를 공개한다.

arXiv:2607.09510v1cs.SE

과정으로서의 실패: CLI 코딩 에이전트 궤적 해부

Failure as a Process: An Anatomy of CLI Coding Agent Trajectories

대규모 언어 모델(LLM) 코딩 에이전트는 터미널 기반 환경에서 소프트웨어 엔지니어링 작업을 자율적으로 수행하기 위해 점점 더 광범위하게 배포되고 있으며, 이에 따라 신뢰성에 대한 우려도 커지고 있다. 기존 실증 연구들은 코딩 에이전트가 실패하는 이유를 조사하지만, 대부분 실패를 시간적 과정이 아닌 최종 결과로 다루어 실패가 어떻게 발생하고, 전개되며, 회복 불가능한 상태에 이르는지에 대한 통찰이 제한적이다. 우리는 CLI 코딩 에이전트 실패 궤적에 관한 최초의 대규모 실증 연구를 제시하며, 실행 궤적 전반에 걸쳐 실패의 발생, 전개, 회복을 분석하는 과정 지향적 프레임워크를 도입한다. 먼저 Terminal-Bench에서 세 가지 코딩 에이전트 스캐폴드(OpenHands, MiniSWE, Terminus2)에 걸쳐 일곱 개의 프론티어 모델이 생성한 3,843개의 실행 궤적을 수집한 후, 이를 신중하게 필터링하여 수작업 주석을 위한 1,794개의 완전하고 유효한 궤적(63,000개 이상의 실행 단계)을 확보하였으며, 이로부터 실패 발생, 근본 원인, 회복, 시스템 간 일관성에 걸친 14가지 발견을 도출하였다. 우리의 발견에 따르면 코딩 에이전트의 실패는 주로 인식론적 오류에 의해 유발되고, 일반적으로 처음 몇 번의 실행 단계 내에 시작되며, 회복이 더 이상 불가능해질 때까지 은폐된 채로 남아 있는 경우가 많다. 이는 코딩 에이전트의 신뢰성 향상이 최종 결과 평가에만 의존하기보다 더 이른 검증과 개입을 필요로 함을 시사한다.

arXiv:2607.07946v1cs.SE

DeepSWE: 독창적이고 장기 목표 공학 과제에서 최첨단 코딩 에이전트 측정

DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks

DeepSWE는 기존 SWE-bench 계열 벤치마크의 사전학습 데이터 오염과 상속된 테스트의 채점 신뢰성 문제를 해결하기 위해, 91개 오픈소스 저장소에서 직접 작성한 113개의 장기 소프트웨어 공학 과제를 제공하는 코딩 에이전트 평가 벤치마크다. 수작업으로 제작된 기능 검증기를 사용해 LLM 심판과의 불일치율을 SWE-Bench Pro 대비 약 10배 낮추면서(1.4% 대 32.4%), 최첨단 에이전트 간 성능 차이를 더 넓은 점수 범위로 구분한다.

arXiv:2607.08043v1cs.SE

Aleena: 연구 소프트웨어 엔지니어링 협업을 위한 정렬 에이전트

Aleena: Alignment Agent for Research Software Engineering Collaborations

연구 소프트웨어 협업에서 Slack, 회의, GitHub 등 여러 채널에 분산된 의사결정 맥락과 근거가 소실되는 정렬(alignment) 문제를 해결하기 위해, Aleena는 GitHub를 중심 플랫폼으로 활용하여 회의록·채팅·풀 리퀘스트 등 멀티모달 아티팩트를 구조화된 프로젝트 기록으로 변환하는 오픈소스 라이프사이클 정렬 에이전트다. 인간의 의사결정 권한을 유지하면서 이해관계자 기대, 과학적 어휘, 소유권 책임, 의사결정 연속성이라는 네 가지 정렬 과제를 지속적으로 추적하고 리스크를 표면화한다.

arXiv:2607.07980v1cs.SE

AI 시대의 코드 리뷰에 관한 3,100개의 의견: 실무자 담론으로부터 인과 이론 구축

3100 Opinions on Code Review in an AI World: Building Causal Theory from Practitioner Discourse

코딩 에이전트가 이제 풀 리퀘스트 전체를 작성하게 되면서, 이것이 코드 리뷰에 미치는 영향에 대해 실무자들의 의견이 첨예하게 갈린다. 코드 리뷰가 병목 지점이 되는지, 인간의 리뷰가 여전히 필요한지, 그리고 코드 리뷰가 한때 쌓아주던 이해력을 조용히 잠식하는지에 대한 논쟁이다. 저장소 마이닝 연구는 표면적 트렌드를 측정하지만 그 이면의 메커니즘을 거의 설명하지 못하며, 트렌드 자체도 불안정한 것으로 나타난다. 동기 부여 목적으로 수행한 공개 GitHub 활동 관찰 분석에 따르면, 에이전트가 작성한 풀 리퀘스트는 인간이 작성한 것보다 리뷰 빈도가 낮고, 수 배 빠르게 병합되며, 논의도 적다. 그러나 이러한 트렌드의 방향은 동등하게 타당한 다른 분석 선택에 따라 반전되므로, 이 흔적들은 무엇이 변하고 있는지는 보여주되 왜 그런지는 설명하지 못한다. 메커니즘을 규명하기 위해, 우리는 실무자 담론을 대규모로 종합하여 설명적 이론을 구축한다. 구체적으로 38,709개의 회색 문헌(엔지니어링 블로그와 Reddit 스레드)을 수집하고, 코드 리뷰에 실질적으로 관련된 문서를 필터링한 후, 대규모 언어 모델(LLM) 보조 파이프라인으로 층화 무작위 표본 3,100개를 코딩하여, 26개의 구성 개념과 67개의 관계(지향 관계 64개, 경합 관계 3개)로 이루어진 인과 모델을 구축한다. 이 이론의 핵심 주장은 리뷰가 코딩 에이전트의 소프트웨어에 대한 효과가 결정되는 제어 지점이며, AI는 그 효과의 방향을 고정하지 않는다는 것이다. 방향을 결정하는 것은 팀이며, 구성원 인간의 전문성과 리뷰 프로세스를 구조화하는 방식에 달려 있다. 이 이론은 경쟁하는 입장들을 명시적으로 드러내고, "AI가 코드 리뷰를 변화시키고 있다"는 명제를 명명된 구성 개념과 조절 변수를 갖춘 반증 가능한 명제로 전환한다. 부차적 기여로서, 우리는 소프트웨어 공학 연구를 위한 확장 가능한 템플릿으로서 LLM 보조 회색 문헌 이론 구축 방법과 공개 구현체를 제공한다.

arXiv:2607.06124v1cs.SE

Static Metrics Are Insufficient: Predicting Java Method Energy Usage with Execution Time

2,786개의 Java 메서드를 대상으로 33개의 정적 특성과 실행 시간을 함께 수집하여 11가지 회귀 모델을 학습한 결과, 정적 소스 코드 메트릭만으로는 에너지 소비량 예측 성능이 R²≈0에 가까울 정도로 미흡했으나, 실행 시간을 경량 동적 입력으로 추가하면 R²가 최대 0.46까지 향상됨을 확인했다. 실행 시간, 내부 메서드 호출 수, 순환 복잡도(cyclomatic complexity)가 에너지 소비의 가장 강력한 예측 변수로 나타났으며, 메서드 수준의 에너지 추정에는 소스 구조보다 런타임 동작이 지배적임을 보였다.

arXiv:2607.06133v1cs.SE

데이터 희소 소프트웨어 시스템을 위한 속성 기반 합성 데이터 엔지니어링: 유방암 도메인에서의 성찰

Property-Driven Synthetic Data Engineering for Data-Scarce Software Systems: Reflections from the Breast Cancer Domain

유방암 수술 중 방사선 치료(IORT) 소프트웨어 개발 경험을 바탕으로, 합성 데이터 생성이 데이터 희소 문제를 해결하는 것이 아니라 핵심 엔지니어링 과제를 이해관계자별 유효성 속성(통계적 충실도, 임상적 타당성, 프라이버시 보호 등) 정의 문제로 전환시킨다는 점을 제시한다. TabDDPM, CTGAN, TVAE 등 다양한 합성 데이터 기법을 실제 IORT 데이터셋에 적용한 예비 실험을 통해 통계적 유사성만으로는 임상적 타당성을 보장할 수 없음을 보이며, 속성 도출·형식화·검증·진화를 위한 자동화 소프트웨어 엔지니어링 연구 방향을 제안한다.

arXiv:2607.05471v1cs.SE

KAT-Coder-V2.5 기술 보고서

KAT-Coder-V2.5 Technical Report

KAT-Coder-V2.5는 실제 실행 가능한 리포지토리 내에서 자율적으로 동작하는 코딩 에이전트 모델로, 재현 가능한 환경 구축(AutoBuilder), 프로세스 인식 궤적 필터링, 대규모 도구 사용 궤적 합성(KwaiClawEnv), 비대칭 PPO 기반 강화학습, 멀티-티처 온-정책 지식 증류를 결합한 엔드투엔드 사후학습 프레임워크를 제시한다. 6개의 소프트웨어 엔지니어링 및 에이전트 벤치마크 평가에서 PinchBench 에이전트 도구 사용 부문 1위, 리포지토리 수준 소프트웨어 엔지니어링에서 Opus 4.8에 이어 2위를 달성했다.

arXiv:2607.03158v1cs.SE

알고리즘 명세 형식이 언어 모델의 머신러닝 알고리즘 구현에 미치는 영향: 어떤 형식이 도움이 되는가?

Which Algorithm Specification Formats Help Language Models Implement Machine Learning Algorithms?

대규모 언어 모델(LLM)은 연구 논문으로부터 알고리즘을 구현하는 데 점점 더 많이 활용되고 있지만, 논문은 종종 구현상의 선택 사항을 암묵적으로 남겨둔다. 본 연구는 알고리즘 명세의 작성 형식이 LLM의 첫 번째 시도 구현 정확도에 어떤 영향을 미치는지 조사한다. 우리는 일반 산문, LaTeX 알고리즘 스타일 의사코드, PDF에서 추출한 의사코드, Markdown 필드, YAML 형식 명세, JSON 형식 명세, Python 코드 스텁을 다섯 가지 머신러닝 과제, 세 가지 모델, 네 가지 실험 설정에서 비교하여 총 4,020개의 구현 결과를 생성하였다. 숨겨진 테스트는 동점 처리, 배열 형상, 수치 규칙, 반환 구조, 유효하지 않은 입력에 대한 동작 등 정확성을 결정하는 세부 사항을 평가한다. 핵심 정보만 제공하는 설정에서는 LaTeX 알고리즘 스타일 의사코드가 평균 형식 효과가 가장 크며, YAML 형식 명세와 일반 산문이 그 뒤를 잇는다. 완전한 정보 설정에서 GPT-5.4 mini는 대응 비교에서 형식 간 차이를 보이지 않는 반면, Gemma 3 4B와 Llama 3.2 3B는 여전히 차이를 나타낸다. 코드 스텁은 함수 시그니처를 명시함에도 불구하고 정확성을 일관되게 향상시키지 않는다. 이 결과는 다음과 같은 작성 권고 사항을 지지한다: 저자는 특정 표면 형식이 세부 사항을 전달해 줄 것에 의존하는 대신, 인터페이스, 계산 단계, 수치 규칙, 경계 조건 동작을 명시적으로 기술해야 한다.

arXiv:2607.01087v1cs.SE

Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering

Generative AI is shifting software engineering from a practice organized around scarce implementation effort toward one organized around abundant, low-cost code production. This shift changes the central engineering problem: not whether AI can generate useful code, but how engineers organize architectures, tools, evidence, and feedback loops so that AI-mediated development remains inspectable, correctable, and maintainable. We study this problem through a first-person case study: a 12-week development effort in which a single expert software engineer used frontier AI coding agents to build a document accessibility remediation system. The empirical record comprises 88 contemporaneous field notes, 420 KLOC of production code, and 1.16 MLOC of tests, lints, supporting documentation, and agent tooling. From this record, we develop a candidate middle-range theory of governance conversion, expressed as a process model explaining how high-velocity agentic implementation becomes governable. The model explains how agentic implementation velocity surfaces recurring structural failure classes, and how engineering judgment sustains velocity by converting those failures into durable governance mechanisms. In contrast to existing governance models that derive controls from known obligations, governance conversion explains how controls are discovered from failures that become visible only during agentic work. We use our model to make testable predictions and to describe implications for software engineering research and practice.

arXiv:2607.00558v1cs.SE

A Methodology for Investigating AI Patterns Prevalence in Software Repositories

44개의 AI 패턴 관련 문헌에서 769개의 패턴 후보를 발굴해 14개 패턴 클래스로 분류한 뒤, 능동 학습(active learning)을 활용해 100개의 오픈소스 GitHub 저장소에서 AI 패턴의 실제 사용 빈도를 검증하는 방법론을 제안한다. 코드 호출 그래프에 Louvain 기법을 적용한 새로운 청킹 방식과 유병률 추정(prevalence estimation)을 결합하여, 8-way 분류 과제에서 무작위 기준선(11%) 대비 크게 향상된 56% 정확도를 달성했다.

arXiv:2607.00048v1cs.SE

Comparing Large Language Models on Scrum Certification-Style Questions: Accuracy, Stability, and Error Patterns

GPT-5 mini, Gemini 3 Flash, DeepSeek Chat 3.2 세 대규모 언어 모델(LLM)을 PSM I 형식에 맞춘 993개의 Scrum 자격증 스타일 문항에 대해 제로샷(zero-shot), 사고의 연쇄(Chain-of-Thought), 소스 기반(source-grounded) 프롬프트 전략으로 평가한 결과, Gemini 3 Flash가 가장 높은 정확도를 기록했으며 모델 내 응답 변동성은 전반적으로 낮았다. Scrum Values, Self-Managing Teams 등 규범적으로 모호한 영역에서 성능이 저하되었고, 오류는 무작위가 아닌 과잉일반화·제한적 표현·시장 관행과 Scrum Guide 간 충돌 등 체계적인 패턴을 보였다.

arXiv:2607.00041v1cs.SE

ATM: CID-Brokered Pre-Write Admission for Multi-Agent Code Co-Synthesis

여러 에이전트(agent)가 동일한 저장소 내에서 동시에 쓰기 의도를 형성할 때, 실제 변경을 적용하기 전에 병렬 진행 가능 여부·직렬화 필요 여부·차단 여부를 결정하는 사전 쓰기 승인(pre-write admission) 문제를 다루며, ATM(AI-Atomic-Framework)은 CID 브로커와 어댑터 기반 원자화(atomization), 가상 원자(virtual atom) 폴백을 결합한 7단계 하드 게이트로 단일 거버넌스 도메인 내에서 감사 가능하고 결정론적인 승인 결정을 제공한다. 12개 시나리오 결정론적 설계 매트릭스와 ATM-AdmissionBench 등의 평가를 통해 단일 도메인 환경에서의 실현 가능성과 감사 가능성을 지원하나, Git 머지 대체나 크로스-클론 거버넌스는 범위 밖임을 명시한다.

arXiv:2606.28235v1cs.SE

에이전트가 아니라 저장소를 거버넌스하라: AI-네이티브 소프트웨어의 생태계 수준 리스크 측정

Govern the Repository, Not the Agent: Measuring Ecosystem-Level Risk in AI-Native Software

자율 코딩 에이전트는 이제 공유 저장소에서 풀 리퀘스트(pull request)를 대규모로 열고 병합하며, 이 분야는 기존에 컴포넌트를 평가해 왔던 방식대로 고립된 벤치마크(benchmark) 과제에서 에이전트를 하나씩 평가한다. 그러나 각각 자신의 테스트를 통과하는 에이전트들도, 어떤 단일 기여도 설명할 수 없는 문제가 축적되는 저장소를 남긴다. 우리는 이 문제가 개별 에이전트에 속하는 것인지, 아니면 문제가 축적되는 저장소에 속하는 것인지 묻는다. 우리는 통합 마찰(integration friction)을 연구한다. 이는 다른 기여자들이 동시에 변경하고 있는 코드베이스에 기여를 통합하는 데 드는 비용이다. 930,000개가 넘는 에이전트 작성 풀 리퀘스트에 걸쳐, 기여, 저자, 규모, 에이전트를 통제한 뒤 마찰의 변동 중 얼마나 많은 부분이 저장소에 남아 있는지 측정한다. 약 절반은 그렇고, 완전한 통제를 적용해도 남아 있다. 동일한 저장소에서 에이전트 작성 기여는 이 저장소 수준 마찰을 인간 작성 기여보다 대략 두 배로 집중시킨다(급내상관(intraclass correlation) 0.30 대 0.16). 이 격차는 코드베이스 규모, 연령, 작업 형태, 프로세스 성숙도, 병합 경로를 통제한 뒤에도 유지된다. 리스크는 에이전트가 아니라 생태계의 속성이다. 따라서 AI-네이티브 소프트웨어는 에이전트를 하나씩보다 생태계 수준에서 측정하고 거버넌스하는 것이 더 낫다.

arXiv:2606.27960v1cs.SE

예측을 넘어서는 추론: 데이터 기반에서 인과적 소프트웨어 공학으로

Reasoning Beyond Prediction: From Data-Driven to Causal Software Engineering

소프트웨어 공학은 점점 더 복잡해지는 시스템을 설계하고, 구축하며, 품질을 보장하기 위해 상호 의존적인 과제들의 복잡한 네트워크를 동시에 다루는, 지적으로 까다롭고 창의적인 학문이다. 소프트웨어에 대한 우리의 기대가 높아짐에 따라—AI 기반 제품, 광범위하게 분산된 클라우드 네이티브 아키텍처, 그리고 깊이 내재된 사이버-물리 환경에 이르는 요구가 늘어나면서—그 복잡성은 꾸준히 증가하고 있다. 이에 대응하여, 심층 학습에 힘입은 새로운 공동 공학(co-engineering) 방법과 도구들이 프로세스를 보강하고 자동화와 의사결정 지원을 강화하기 위해 등장했다. 그러나 이러한 발전은 현대 소프트웨어 개발이 요구하는 유형의 지능형 지원을 제공하기에는 여전히 한참 미흡하다. 우리는 인간-기계 협력의 새로운 패러다임을 제안한다: 기계가 단순히 일상적인 작업을 자동화하거나 학습된 패턴으로부터 예측하는 것에 그치지 않고, 인과관계(causation)의 관점을 통해 엔지니어의 추론을 적극적으로 증폭시키는 패러다임이다. 소프트웨어가 더 똑똑해질수록, 더 똑똑한 지원이 필요하다.

arXiv:2606.27406v1cs.SE

코딩 LLM의 암묵적 소프트웨어 월드 모델 평가를 향하여

Towards Evaluation of Implicit Software World Models in Coding LLMs

소프트웨어 공학은 인간이 수행하든 AI 에이전트(agent)가 수행하든, 소프트웨어가 어떻게 동작하는지에 대한 추론을 요구한다. 우리는 이러한 추론을 뒷받침하는 내부 모델을 소프트웨어 월드 모델(software world model)이라 부르며, 현재의 코드 실행 벤치마크가 그중 잘 연구된 한 영역—제어 흐름(control flow)—을 다룬다고 본다. 본 논문에서는 관찰 가능한 축을 실행 자원(execution resources)으로 전환함으로써 더 넓은 범위의 평가에 한 걸음 나아간다: 테스트 결과와 예외 클래스(exception class)에 더해, 메서드 및 라인 수준의 세분성에서 피크 메모리, wall-clock time, 순위화된 프로파일러(profiler) 출력을 예측한다. 우리는 SWE-bench Verified를 데이터 소스로 사용하여 테스트를 실제 소프트웨어 공학 작업에 가깝게 유지한다. 테스트된 모든 모델은 최첨단(frontier) 모델을 포함해 미미한 성능과 취약한(brittle) 동작을 보이며, 이는 소스 코드가 어떻게 작성되는지와 대조적으로 소프트웨어가 어떻게 실행되는지에 대한 이해 부족을 시사한다.

arXiv:2606.26492v1cs.SE

심층 학습 프로그램 결함 진단에서의 평가-전략 격차

Evaluation-Strategy Gap in Fault Diagnosis of Deep Learning Programs

심층 학습(DL) 프로그램의 학습 실패 진단은 보통 프로그램 내 교차 검증으로 평가되어, 미지 프로그램 배포 환경과의 성능 격차가 드러나지 않는다. DynFault(38개 실제 DL 프로그램, 5,542개 결함 주입 트레이스)로 조사한 결과, 기존 기법의 균형 정확도 격차는 0.190이며 곡률 특징(curvature features)은 미지 프로그램의 불안정성 탐지에 유용하지만 옵티마이저·활성화 특징은 학습 중 본 프로그램에서만 효과가 있다.

arXiv:2606.27045v1cs.SE

Spec Growth Engine: AI 지원 소프트웨어 개발을 위한 스펙 고정, 코드 결합, 드리프트 강제 아키텍처

The Spec Growth Engine: Spec-Anchored, Code-Coupled, Drift-Enforced Architecture for AI-Assisted Software Development

AI 코딩 에이전트의 컨텍스트 폭발과 조용한 스펙-코드 드리프트를 해결하기 위해 Spec Growth Engine을 제안하며, 기계 판독 가능한 스펙 그래프, Spine 컨텍스트 어셈블러, 가장 어려운 것부터 진행하는 수직 슬라이스(vertical-slice) 성장 프로토콜, 드리프트 게이트로 두 문제를 동시에 다룬다. Parnas 정보 은닉, C4, ADR, Walking Skeleton, Reflexion Models, Fitness Functions 등 기존 소프트웨어 공학 원칙을 코드와 결합하고 기계적으로 강제하는 경량 통합 프레임워크로, RUP·MDA 같은 무거운 방식의 오버헤드 없이 스펙-코드 분기를 병합 차단 조건으로 만든다.

arXiv:2606.24429v1cs.SE

Detecting AI Coding Agents in Open Source: A Validated Multi-Method Census of 180 Million Repositories

Generative AI coding agents are entering the open-source supply chain, yet their diverse and often invisible traces leave their prevalence poorly understood. We introduce a multi-layered detection framework that integrates configuration-file scanning, commit-message analysis, author-identity matching, and bot-signature lookup across World of Code (180M+ Git repositories), classifying agent traces into four behavioral types. No single method captures more than a fraction of activity: multi-method detection identifies 850,157 Claude Code commits in one snapshot, of which bot-account lookup_the signal most adoption studies rely on_recovers only 28,154 (3.3%), a 30x relative-recall gap, so single-signal prevalence estimates are biased low by at least this factor. Every detection pattern is hand-validated (495 labels) with per-cell precision and Wilson confidence intervals. Across snapshots from December 2024 to April 2026, commit-attributed agents generate over 320,000 commits per month; Claude Code leads (886,122 commits across 17,295 projects) and dominates silent, configuration-file-only adoption (21,078 projects). Compared against an independent pull-request census (AIDev), the two channels capture nearly disjoint agent populations_a PR census misses 79% of commit-detected Claude Code adopters and essentially all Codex adopters_and different kinds of work: PR-deployed cloud agents (Codex, Cursor) surface as feature work, while commit-deployed in-editor agents (Claude Code, OpenHands, Aider) surface as maintenance. The observed work profile follows deployment and detection mode rather than the tool itself, so no single channel is representative.

arXiv:2606.21804v1cs.SE

에이전트 코드는 사람이 작성한 코드보다 유지보수성이 낮은가?

Is Agent Code Less Maintainable Than Human Code?

저장소 수준 코딩 벤치마크로 통제 실험을 구성하는 CodeThread 프레임워크를 통해, 네 개의 최신 코딩 에이전트와 네 개 벤치마크에서 에이전트가 에이전트 코드 위에 이어 작업할 때 사람이 작성한 코드보다 작업 해결률이 최대 13.1%까지 낮아짐을 확인했다. 회귀 분석 결과 전통적 유지보수성 지표로는 이 차이를 설명하기 어렵고, 입력 검증·오류 처리 변경 같은 행동적 차이가 더 뚜렷한 신호로 나타났다.