研究：5个AI编程智能体的合并PR仍需更频繁的后续修复

一项研究追踪了来自 AIDev-pop 数据集的 6,774 个合并的智能体 PR，覆盖 OpenAI Codex、GitHub Copilot、Devin、Cursor 和 Claude Code 五个工具，并与同期 5,044 个人类 PR 对比。结果显示，合并后的智能体 PR 被后续修复的几率是人类 PR 的 1.62 倍。修复者中，69.6% 的验证修复来自同一个智能体，76.4% 的修复 PR 全部提交均由智能体完成。研究还用 LLM 评审与人类标注对照，Direct-fix 精度达 90%，二分类 Cohen's Kappa 为 0.78。