跳到正文
热点事件持续更新

哈佛研究:AI编码提效被下游环节吸收

1 篇报道1 个报道来源19 小时前更新

先了解这件事

AI 综述

哈佛大学研究者 Fiona Chen 与 James Stratton 发布研究,基于 Jellyfish 的工程团队分析数据,覆盖 2021 年至 2026 年 3 月间 700 多家软件开发公司、70 多万名员工的 3 亿条工作事件,发现 AI 编码工具带来的编码阶段效率提升被下游约束吸收,几乎没有证据表明企业因此提高了软件产出或减少了用工。 研究称,人工代码审查是 AI 编码工具整体效率的显著瓶颈。 该数据涵盖提交、拉取请求等工作事件以及问题管理软件数据。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月10日
  1. Ars Technica · AI
    研究:AI 编码智能体生成更多代码,但软件产出并未增加

    哈佛大学研究人员 Fiona Chen 和 James Stratton 基于 Jellyfish 的工程团队分析数据,覆盖 2021 年至 2026 年 3 月间 700 多家软件开发公司、70 多万名员工的 3 亿条工作事件,发现 AI 编码工具带来的编码阶段效率提升被下游约束吸收,几乎没有证据表明企业因此提高了软件产出或减少了用工。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。