GitHub 上 2.5 萬條 AI agent 發起的程式修改請求實測：「agent 淹沒開源」還遠得很，瓶頸是人的審查頻寬。

本篇出自 2026年7月21日 晨報

對 2,361 個熱門開源專案、25,264 個由 AI agent 發起的 pull request（程式修改請求）的實證研究：採用高度集中，中位數專案三個月只有 1-2 個 agent 修改請求；1-5 人的小專案參與率反而高於中大型專案；協作型態以「單人監督」為主——一位開發者審核並修改 agent 的產出。作者結論：agent 的貢獻能否被整合，取決於誰治理它、用什麼組織流程，不只是 agent 本身的能力(arXiv,2026-07)。注意母體：熱門公開專案的三個月快照，不含企業內部使用，不能外推到企業採用。

同類最新

• 模型觀點 2026年7月27日 2 條來源

  Stanford 平攤評測法找到獨立第二證

  Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…

• 模型觀點 2026年7月27日 1 條來源

  Lambert「美版 DeepSeek」宣言查無第二源

  Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…

• 模型觀點 2026年7月26日 1 條來源

  為什麼模型愈練愈會解題、卻愈寫愈不像人？MIT 給了一個機制答案，也剛好解釋了人類專家資料為什麼還缺。

  目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…

• 模型觀點 2026年7月25日 1 條來源

  「AI 寫底層程式」的真瓶頸換位置了：生成是易事，讓人敢信那個數字才難。

  SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…