AI生成的低质量贡献导致首次贡献者合并率下降18.18%：对294个仓库的分析
一项新研究揭示了AI生成的低质量贡献（称为AI-DDoS）对开源社区造成的压力。分析294个仓库中超过200万个拉取请求和问题后发现，2025年拉取请求数量增加，但合并率下降，首次贡献者的合并率比预期低18.18%。研究还提出了11种补救策略。
2026年7月4日，一篇题为《AI Slop is DDoSing Open Source》的预印本论文在arXiv上发布，引起了开源社区的广泛关注。该研究由Sadia Afroz等六位作者完成，深入探讨了生成式AI工具对开源软件（OSS）可持续性的影响。研究者将这种现象称为“AI-DDoS”，即一种拒绝服务效应，其中看似合理但质量低下的AI生成贡献压倒了开源社区的审查能力。
研究采用基于现象的混合方法。首先，他们分析了来自Reddit、OSS导师邮件列表和博客的从业者叙述，识别出六个反复出现的主题，并据此推导出假设。随后，使用贝叶斯结构时间序列分析对294个仓库中超过200万个拉取请求和问题进行了量化评估。结果显示，虽然2025年拉取请求的数量显著增加，但合并率却有所下降。特别值得注意的是，首次贡献者的拉取请求合并率相比反事实预期下降了18.18%。这意味着AI生成的低质量贡献正在侵蚀社区吸纳新成员的能力。
进一步的分析表明，AI-DDoS不仅仅是一个贡献量的问题，更是一个可持续性陷阱。社区往往默认采用低成本的防御策略，如提高接受门槛、依赖自动化筛选等，这些策略在短期内保护了审查能力，但从长远来看却使得开放变得难以维持。为了应对这一挑战，研究者通过从业者访谈识别出11种补救策略，并通过一项针对229名开源从业者的调查进行了验证。这些策略被分为三类：保留型（例如提高接受标准）、适应型（如引入自动化工件）、变革型（如重新设计贡献流程）。研究强调，开源社区必须平衡审查质量与开放性，避免因过度防御而扼杀活力。该研究为理解AI对开源生态的冲击提供了重要视角，也提醒社区需要主动采取措施来维护其可持续性。