Характеристика распространенности, распределения и продолжительности действия устаревших рекоменд...

Неправильное назначение рецензентов может свести на нет преимущества проверки кода, особенно когда рекомендуются устаревшие рецензенты, то есть те, кто больше не активен. Мы изучаем распространенность устаревших рекомендаций в пяти инструментах для рекомендаций рецензентов (LearnRec, RetentionRec, cHRev, Sofia, WLRRec) в трех крупных проектах с открытым исходным кодом. В среднем 12,59% неверных рекомендаций являются устаревшими. Среди них часто доминируют ведущие рецензенты, причем на первых трех приходится половина случаев устаревания в 15,31% случаев. Некоторые рецензенты предлагаются спустя 7,7 лет после ухода. Мы предлагаем стратегию фильтрации на основе недавней активности, которая снижает устаревание на 21,44–92,39%, хотя это может перераспределить нагрузку на активных рецензентов.

Докладчики:
Фаршад Каземи
Исследователь MLOps/SE - Arteria AI