论文信息
- 原标题：Novice Developers Produce Larger Review Overhead for Project Maintainers while Vibe Coding
- 主要作者：Syed Ammar Asdaque、Imran Haider、Muhammad Umar Malik、Abdul Ali Bangash、Maryam Abdul Ghafoor
- 研究机构：巴基斯坦拉合尔管理科学大学（Lahore University of Management Sciences）
- 发表会议：23rd International Conference on Mining Software Repositories (MSR '26)
- 发表时间：2026 年 4 月 13-14 日（巴西里约热内卢）
- 引文格式（GB/T 7714）：Asdaque S A,Haider I,Malik M U,et al. Novice Developers Produce Larger Review Overhead for Project Maintainers while Vibe Coding[C]//23rd International Conference on Mining Software Repositories. Rio de Janeiro: ACM,2026.
一段话总结
该研究由巴基斯坦拉合尔管理科学大学的学者完成，聚焦AI 辅助编程（Vibe Coding） 背景下不同开发经验水平开发者的贡献差异，分析了 AIDev 数据集里1719 名 Vibe 编码者的22953 个 GitHub 拉取请求（PR），将开发者分为低经验组（Exp_Low）和高经验组（Exp_High），发现Exp_Low 提交的 PR 在提交次数（2.15 倍）和修改文件数（1.47 倍）上均多于 Exp_High，但前者 PR 接受率低 31%、解决耗时是后者的 5.16 倍、收到的评审评论数是后者的 4.52 倍，核心原因是低经验开发者存在基础设施不匹配和集成摩擦问题，研究指出项目管理者无法用低经验 Vibe 编码者替代高经验者，需配套针对性培训和自适应 PR 评审机制，同时也指出了研究在定义、经验度量等方面的有效性威胁。
思维导图
详细总结
本研究是针对AI 辅助编程（Vibe Coding） 时代不同开发经验开发者贡献差异的实证研究，发表于 2026 年第 23 届挖掘软件仓库国际会议（MSR'26），由巴基斯坦拉合尔管理科学大学团队完成，核心探究低经验 Vibe 编码者能否替代高经验开发者，以下是详细研究脉络与结果：
一、研究背景与核心问题
- 时代背景：Software 3.0 范式下 AI 编码工具被 92% 开发者使用，但现有研究对 AI 辅助编程的效果结论不一，如部分研究发现高经验开发者用 AI 完成任务耗时增加 19%，且缺乏不同经验开发者的对比分析。
- 核心疑问：项目管理者能否用低经验 Vibe 编码者替代高经验开发者，开发者经验在 AI 辅助开发中是否仍具重要性。
- 概念界定：采用精准的 Vibe Coding 定义——人类开发者通过自然语言提示引导、监督 AI 代理，并验证其生成代码的工作流，区别于广义的 AI 辅助编程。
二、研究设计与数据来源
- 数据集：采用 AIDev 数据集（GitHub 开源项目的 AI 辅助 PR 合集），过滤掉机器人账户后，最终使用1719 名 Vibe 编码者的22953 个 PR，涵盖 Copilot、Claude Code 等主流 AI 编码工具的贡献。
- 经验划分方法
- 经验值计算：参考现有研究，以GitHub 总提交数/账户创建时长作为经验评分指标；
