Newest papers

Beyond Similarity-Based Generation: Guiding Commit Message Generation with Issue-Commit Traceability

Chunying Zhou, Gong Chen, Xiaoyuan Xie, Yi Song, Yuxuan Yang, Peng He · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.25303 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Thông điệp cam kết cung cấp hồ sơ thay đổi mã và giúp các nhà phát triển hiểu và duy trì phần mềm. Để giảm nỗ lực thủ công liên quan đến việc viết chúng, các phương pháp tạo thông điệp cam kết (CMG) tự động tạo ra thông điệp cam kết mô tả các thay đổi mã trong ngôn ngữ tự nhiên. Các phương pháp CMG hiện có thường coi CMG là một nhiệm vụ độc lập và tối ưu hóa các thông điệp được tạo ra chủ yếu cho sự tương đồng với các tham chiếu được viết bởi nhà phát triển. Tuy nhiên, mục tiêu này có thể không phản ánh chính xác sự hữu ích thực tế của việc tạo ra thông điệp cam kết. Giới hạn này liên quan đến các quy trình công việc kỹ thuật phần mềm được hỗ trợ bởi AI hiện tại, nơi thông điệp cam kết được sử dụng như thông tin được chia sẻ để phục vụ các hoạt động kỹ thuật phần mềm khác nhau.

Machine translation (Meta M2M100); the English original follows.

Abstract

Commit messages provide records of code changes and help developers understand and maintain software. To reduce the manual effort involved in writing them, commit message generation (CMG) approaches automatically generate commit messages that describe code changes in natural language. Existing CMG approaches generally treat CMG as a standalone task and optimize generated messages primarily for similarity to developer-written references. However, this objective may not properly reflect the practical usefulness of generated commit messages. This limitation matters in current AI-assisted software engineering workflows, where commit messages are used as shared information to serve different software engineering activities. To fill this gap, we propose TraceMsg, which uses issue-commit traceability, a representative software engineering activity, to guide commit message generation. TraceMsg is a collaborative multi-agent framework that coordinates message generation, traceability reasoning, and feedback-guided refinement, allowing generated messages to serve traceability while using reasoning feedback to guide issue-conditioned refinement. We evaluate TraceMsg on six open-source projects. The experimental results show that TraceMsg achieves an average Hit@1 of 0.893 and an MRR of 0.911, improving Hit@1 and MRR by 13.16% and 38.75%, respectively, over the best baseline for each metric.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Commit, Traceability, Computer science, Software, Task (project management), Software engineering

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange