A Large-Scale Comprehensive Measurement of AI-Generated Code in Real-World Repositories A Large-Scale Comprehensive Measurement of AI-Generated Code in Real-World Repositories
该论文通过构建包含启发式过滤与 LLM 分类的大规模数据集，对真实世界仓库中的 AI 生成代码进行了全面的实证研究，揭示了其在代码指标、提交特征及开发实践方面与人类编写代码的差异及影响。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是一次对**“人工智能（AI）写的代码”和“人类写的代码”在真实世界里的“大体检”**。
想象一下，以前我们只能在实验室里，让 AI 做几道简单的数学题来测试它（就像让 AI 在考场上做模拟题）。但这篇论文的研究者做了一件更酷的事：他们直接潜入了 GitHub（全球最大的代码仓库）这个“真实战场”，去观察 AI 和人类程序员真正合作时留下的痕迹。
为了让你更容易理解，我们可以把软件开发比作**“盖房子”**。
1. 他们是怎么找到 AI 写的房子的？（数据收集）
在真实的工地上，没人会专门在墙上贴个标签说“这面墙是机器人砌的”。所以研究者发明了一套**“侦探工具”**：
- 线索搜索：他们先找那些在代码注释里直接说“由 AI 生成”的线索。
- 层层过滤：就像筛沙子一样，先筛掉那些只是提到 AI 但没真用它写代码的噪音（比如只是用 AI 写了个文档）。
- AI 帮 AI 找：对于模棱两可的代码，他们又请了一个更聪明的 AI 来帮忙判断：“嘿，这段代码看起来像不像机器人写的？”
- 最终成果：他们收集了近 2 万个确认有 AI 参与的代码文件，并找来了3.6 万个人类写的、大小和语言相似的代码文件作为“对照组”。这是目前世界上最大的这类真实数据集。
2. AI 写的代码有什么特点？（代码层面的发现）
如果把代码比作**“文章”**，研究者发现了以下有趣的现象：
啰嗦但清晰（Verbose but Explicit）：
- 人类：像写诗，讲究精炼，能用一个词概括的绝不用两个。
- AI：像写说明书，喜欢把每一步都写得清清楚楚，甚至有点“啰嗦”。它倾向于把逻辑拆得很细，用更多的行数和更多的词来表达同样的意思。
- 比喻：人类说“把水烧开”，AI 可能会写“打开水龙头，接水，放入水壶，点火，等待水沸腾”。
结构像“层叠的盒子”（Layered Structure）：
- 人类：喜欢把复杂的逻辑压缩在一个大函数里，像把东西塞进一个紧凑的行李箱。
- AI：喜欢把逻辑拆成很多小层，一层套一层，像俄罗斯套娃。虽然逻辑没变，但看起来更“扁平”和“分散”。
不爱“抄作业”（Less Reuse）：
- 人类：喜欢复用以前写好的工具函数（比如“通用排序工具”），这叫“复用”。
- AI：倾向于为每个任务“现写现卖”，导致代码里有很多重复的片段，缺乏跨文件的系统性复用。
安全隐患的“口味”不同：
- 虽然两者都会犯错，但人类更容易犯“密码太简单”这种低级错误。
- AI 则更容易在代码里不小心留下"API 密钥”或“令牌”这种敏感信息（就像 AI 在写代码时，顺手把家里的备用钥匙画在了图纸上）。
3. AI 参与后的工作流有什么变化？（提交层面的发现）
如果把代码提交（Commit）比作**“向工地运送砖块”**：
砖块更小、更零碎：
- 人类程序员可能会一次性运来一大车砖，修改很多文件。
- AI 辅助的提交通常更小、更局部。就像 AI 是个“精修师”，专门负责修补小漏洞或添加小功能，而不是搞大拆大建。
工作时间更灵活：
- 带有 AI 代码的提交，更多发生在非工作时间（比如深夜或周末）。这说明开发者把 AI 当作一个随叫随到的“加班助手”。
后期维护更麻烦（Delayed Maintenance）：
- 这是最关键的发现：AI 刚写好的代码，看起来挺稳。但过了一段时间（比如 30 天或 90 天），这些代码被修改、回滚或修复的概率比人类写的要高。
- 比喻：AI 盖的房子，刚盖好时看着挺漂亮，但住进去几个月后，发现需要更多次的“返工”和“加固”。它把**“写代码”的精力转移到了“修代码”的精力上**。
交接更慢：
- AI 写的代码，往往在原作者手里停留的时间更长，之后才转交给别人。这说明 AI 生成的代码可能需要原作者花更多时间去“消化”和“整理”，才能让别人接手。
4. 这对我们意味着什么？（核心启示）
这篇论文告诉我们，AI 并没有简单地“替代”人类，而是改变了我们写代码的方式：
- 不是“写完就完事”：AI 确实能帮你快速生成代码，但它生成的代码往往不够精炼，需要人类花更多时间去**“去重”、“压缩”和“优化”**。
- 未来的工作重心转移：程序员的工作重心将从“从零开始写代码”转移到**“审查、整合和后期维护”**。
- 工具需要进化：现在的 AI 工具太擅长“生成”了，但不够擅长“整理”。未来的 AI 应该学会像人类一样，懂得如何写出更紧凑、更易于复用的代码，而不仅仅是堆砌行数。
一句话总结：
AI 就像一个**“不知疲倦但有点啰嗦的初级学徒”，它能帮你快速把活干完，但留下的活儿往往需要更有经验的师傅（人类）** 花时间去修剪、整理和加固，才能变成真正坚固的房子。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。