論文の概要: From OSS to Open Source AI: an Exploratory Study of Collaborative Development Paradigm Divergence
- arxiv url: http://arxiv.org/abs/2604.08888v1
- Date: Fri, 10 Apr 2026 02:52:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-13 17:57:53.650804
- Title: From OSS to Open Source AI: an Exploratory Study of Collaborative Development Paradigm Divergence
- Title（参考訳）: OSSからオープンソースAI:コラボレーション開発パラダイムの多様性の探索的研究
- Authors: Hengzhi Ye, Minghui Zhou,
- Abstract要約: 私たちはGitHubから1,428,792のOSSリポジトリ、HF Hubから1,440,527のOSMリポジトリを収集します。
2つの開発パラダイムにおけるコラボレーションの強度、コラボレーションのオープンさ、ユーザイノベーションの違いを計測し、理解します。
これらの結果から,従来のOSSとOSMのオープンソース開発におけるパラダイム的差異が,オープンソースコラボレーションの3つの重要な側面にわたって明らかとなった。
- 参考スコア（独自算出の注目度）: 2.637684853010786
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI development is embracing open-source paradigm, but the fundamental distinction between AI models and traditional software artifacts may lead to a divergent open-source development paradigm with different collaborative practices, which remains unexplored. We therefore bridge the knowledge gap by quantifying and characterizing the differences in the collaborative development paradigms of traditional open source software (OSS) and open source AI models (OSM), and investigating the underlying factors that may drive these distinctions. We collect 1,428,792 OSS repositories from GitHub and 1,440,527 OSM repositories from HF Hub, and conduct comprehensive statistical, social network and content analyses to measure and understand the differences in collaboration intensity, collaboration openness, and user innovation across the two development paradigms, complementing these quantitative results with semi-structured interviews. In consequence, we find that compared to OSS development paradigm, the OSM development paradigm exhibits significantly lower collaboration intensity; lower collaboration openness regarding direct contribution while persisting relatively open knowledge exchange; and a divergence toward adaptive utilization user-innovation rather than collaborative improvement. Through semi-structured interviews, we further elucidate the socio-technical factors underlying these differences. These findings reveal the paradigmatic divergence in open source development between traditional OSS and OSM across three critical dimensions of open source collaboration and potential underlying factors, shedding light on how to improve collaborative work techniques and practices within the context of AI development.
- Abstract（参考訳）: AI開発はオープンソースパラダイムを採用していますが、AIモデルと従来のソフトウェアアーティファクトの根本的な違いは、さまざまなコラボレーションプラクティスを備えた、分散したオープンソース開発パラダイムにつながります。
そこで我々は,従来のオープンソースソフトウェア(OSS)とオープンソースAIモデル(OSM)の協調開発パラダイムの違いを定量化し,特徴付けることによって,知識ギャップを埋める。
HF Hubから1,428,792のOSSレポジトリと1,440,527のOSMレポジトリを収集し、包括的な統計、ソーシャルネットワーク、コンテンツ分析を実施して、コラボレーションの強度、コラボレーションのオープン性、ユーザのイノベーションの違いを測定および理解し、これらの定量的結果を半構造化のインタビューで補完します。
その結果、OSS開発パラダイムと比較して、OSM開発パラダイムはコラボレーションの強度を著しく低下させ、比較的オープンな知識交換を継続しながら直接貢献に関するコラボレーションのオープンさを低下させ、協調的な改善よりも適応的な利用ユーザ革新への転換を図っていることがわかった。
半構造化インタビューを通じて、これらの違いの社会技術的要因をさらに解明する。
これらの発見は、従来のOSSとOSMのオープンソース開発におけるパラダイム的な相違を、オープンソースコラボレーションの3つの重要な側面と、潜在的に根底にある要因にわたって示し、AI開発における協調作業技術とプラクティスの改善方法に光を当てている。
関連論文リスト
- Social Life of Code: Modeling Evolution through Code Embedding and Opinion Dynamics [2.102846336724103]
我々は、セマンティックコード埋め込みと意見力学理論を統合する新しいアプローチを導入する。
Expressed-Private Opinion (EPO)モデルを用いて時間進化をモデル化する。
ソフトウェア工学と計算社会科学をブリッジすることで、ソフトウェア進化を定量化するための原則的な方法を提供する。
論文 参考訳（メタデータ） (2026-02-17T07:57:00Z) - Quantifying the Gap between Understanding and Generation within Unified Multimodal Models [66.07644743841007]
GapEvalは、理解と生成能力のギャップを定量化するために設計されたベンチマークである。
実験により、幅広いUMMにわたる2つの方向の連続的なギャップが明らかになる。
以上の結果から,UMM内の知識は相容れないことが多いことが示唆された。
論文 参考訳（メタデータ） (2026-02-02T14:19:37Z) - A Survey of Vibe Coding with Large Language Models [93.88284590533242]
視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。
変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。
この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-10-14T11:26:56Z) - Understanding Collective Social Behavior in OSS Communities: A Co-editing Network Analysis of Activity Cascades [3.061059269434306]
開発者の時間的活動パターンを分析し、コミットコントリビューションの本質的にバースト的な性質を明らかにします。
我々のフレームワークは、開発者が他の開発者のコードの編集を行うと、共同作業者の活動が加速する、社会的相互作用をモデル化する。
私たちの仕事はOSSコミュニティの創発的な集団的社会的ダイナミクスに光を当て、共同ソフトウェアプロジェクトにおける開発者の混乱と維持を理解するための活動のカスケードの重要性を強調します。
論文 参考訳（メタデータ） (2025-09-30T12:28:35Z) - When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。
最初の大規模人間実験(N=118)を行い,その測定を行った。
2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
論文 参考訳（メタデータ） (2025-06-05T20:48:16Z) - InnerSource Circumplex Model: Mapping Cross-organizational Developer Collaboration Patterns with Insights from Japanese Corporate Experience [0.0]
本研究では,従来のプログラム進化モデルを超える多層トポロジカル進化が,インナーソースの採用に関係していることを示す。
この研究は、内部ソーストポロジ、多層インセンティブモデル、インナーソースサーキュムプレックスモデルという3つの理論的フレームワークを提案する。
これらの調査結果は、InnerSourceの採用の成功には、トップダウンプログラムの構造化とボトムアップの自発的なコラボレーションを並行して追求する必要があることを再確認した。
論文 参考訳（メタデータ） (2025-02-09T06:31:27Z) - The Open Source Advantage in Large Language Models (LLMs) [0.4349640169711269]
大規模言語モデル(LLM)は急速に進歩した自然言語処理を持ち、テキスト生成、機械翻訳、ドメイン固有の推論といったタスクにおいて大きなブレークスルーを引き起こしている。
GPT-4のようなクローズドソースモデルは、最先端のパフォーマンスを提供するが、アクセシビリティを制限し、外部の監視を行う。
LLaMAやMixtralといったオープンソースフレームワークはアクセスを民主化し、コラボレーションを促進し、多様なアプリケーションをサポートする。
論文 参考訳（メタデータ） (2024-12-16T17:32:11Z) - A Survey on Knowledge Distillation of Large Language Models [99.11900233108487]
知識蒸留(KD)は、高度な能力をオープンソースモデルに転送するための重要な方法論である。
本稿では,大規模言語モデル(LLM)の領域におけるKDの役割を包括的に調査する。
論文 参考訳（メタデータ） (2024-02-20T16:17:37Z) - Combining inherent knowledge of vision-language models with unsupervised domain adaptation through strong-weak guidance [44.1830188215271]
教師なしドメイン適応(UDA)は、ラベル付きソースデータセットを活用することで、データのラベル付けの面倒な作業を克服しようとする。
現在の視覚言語モデルは、顕著なゼロショット予測能力を示す。
我々は、ゼロショット予測を用いて、ソースとターゲットデータセットの整列を支援する、強弱誘導学習スキームを導入する。
論文 参考訳（メタデータ） (2023-12-07T06:16:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。