治理导向、因果角色与混合智能
人在回路中、人在回路外，这两者区别在哪？
💡
本期前沿速递分享了两篇论文。生成式 AI 正在改变开源协作的游戏规则。当任何人都能用 AI 快速产出看起来完整的代码并提交 PR，审查成本却丝毫没降，这种不对称让维护者的压力急剧攀升。
第一篇论文梳理了 67 个高知名度开源项目的治理文件，我觉得蛮有意思的是，开源社区走出了三条截然不同的路，这些策略背后的判断逻辑差在哪？有些项目为什么甚至选择搬离 GitHub？
第二篇论文处理的问题更根本一些。人在回路中这说法我们都常听到，但它在不同学科里其实各有各的意思。两位作者从因果结构切入，提出一个核心区分：人到底是决策链上不可少的一环，还是站在外面随时可以喊停的监督者？对关心 AI 人机交互的读者来说，这套因果分类法蛮值得细读，很清晰。
祝今日读写愉悦，洞见深省。
第一篇论文梳理了 67 个高知名度开源项目的治理文件，我觉得蛮有意思的是，开源社区走出了三条截然不同的路，这些策略背后的判断逻辑差在哪？有些项目为什么甚至选择搬离 GitHub？
第二篇论文处理的问题更根本一些。人在回路中这说法我们都常听到，但它在不同学科里其实各有各的意思。两位作者从因果结构切入，提出一个核心区分：人到底是决策链上不可少的一环，还是站在外面随时可以喊停的监督者？对关心 AI 人机交互的读者来说，这套因果分类法蛮值得细读，很清晰。
祝今日读写愉悦，洞见深省。
前沿速递
超越禁令：开源软件社区中生成式 AI 治理的初步探索
核心概念
治理导向（Governance Orientations）：这指的是开源社区在面对生成式 AI 带来的治理问题时，所形成的更高层次的判断框架和核心逻辑，它决定了社区如何定义问题、划分风险和分配责任。它并非静态的标签，而是三种不同的问题处理思路：禁止主义、边界与问责、质量优先。
生成与审查的不对称性（Asymmetry between Generation and Review）：这指的是生成式 AI 极大地降低了创建和提交代码、文档等贡献内容的成本和时间，但审查、验证、理解和集成这些贡献所需的人力成本和时间却没有相应减少，甚至可能增加，从而导致两者之间出现严重的失衡。
研究问题
生成式人工智能正深度重塑开源软件（OSS）的协作模式，其不仅能辅助编码，还日益参与到拉取请求、代码审查等环节。然而，这种低成本、高速度的内容生成能力给项目维护者带来了巨大的审查和维护压力，打破了贡献生成与审查之间的成本平衡，甚至引发了社区混乱。以往的研究分别探讨了 GenAI 的技术能力、对开发者生产力的影响以及传统的 OSS 贡献管理机制，但未能系统地将这几方面结合起来，缺乏对 OSS 社区如何具体应对和治理 GenAI 生成内容的系统性理解。
面对 GenAI 带来的机遇与挑战，开源软件社区在贡献工作流中具体产生了哪些担忧？为了应对这些担忧，社区又发展出了哪些不同的治理方法、核心导向和具体策略来管理 GenAI 辅助的贡献？
