論文の概要: "AI Slop is DDoSing Open Source": Understanding the Impact of AI-Generated Contributions on Open Source Sustainability
- arxiv url: http://arxiv.org/abs/2607.04003v1
- Date: Sat, 04 Jul 2026 19:55:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.789099
- Title: "AI Slop is DDoSing Open Source": Understanding the Impact of AI-Generated Contributions on Open Source Sustainability
- Title（参考訳）: AI Slop is DDoSing Open Source": オープンソースサステナビリティに対するAI生成コントリビューションの影響を理解する
- Abstract要約: AI-DDoS(AI-DDoS)とは、信頼できるが品質の低いAI生成コントリビューションが、コミュニティの能力を圧倒する、サービス拒否効果です。
Reddit、OSSメンターメーリングリスト、ブログから実践者アカウントを分析し、6つの繰り返しテーマを特定し、仮説を導出する。
以上の結果から,AI-DDoSはコントリビューション量の問題であるだけでなく,サステナビリティ・トラップであることがわかった。
- 参考スコア（独自算出の注目度）: 8.07130264725486
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open source software (OSS) communities are facing increasing pressure from Generative AI (GenAI) tools. We call it AI-DDoS: a denial-of-service effect in which plausible but low-quality AI-generated contributions overwhelm OSS community capacity. Using a phenomenon-based mixed-methods approach, we first analyze practitioner accounts from Reddit, OSS mentor mailing lists, and blogs to identify six recurring themes and derive hypotheses. We then evaluate these hypotheses using Bayesian Structural Time Series analysis across 294 repositories with over 2 million pull requests and issues. Our results show that while PR volume increased in 2025, merge rates declined, with one-time contributors experiencing an 18.18% drop in PR merge rates relative to the counterfactual. Finally, we identify 11 remediation strategies through practitioners' interviews and validate them with a survey of 229 OSS practitioners, grouping them into preservative, adaptive, and transformative orientations. Our findings show that AI-DDoS is not only a contribution-volume problem but a sustainability trap: communities often default to low-effort defensive strategies that protect short-term review capacity while making openness difficult to sustain.
- Abstract（参考訳）: オープンソースソフトウェア(OSS)コミュニティは、Generative AI(GenAI)ツールからのプレッシャーが高まっている。
AI-DDoS(AI-DDoS)とは、信頼できるが品質の低いAI生成コントリビューションがOSSコミュニティの能力を圧倒する、サービス拒否効果です。
現象に基づく混合メソッドアプローチを用いて、まずReddit、OSSメンターメーリングリスト、ブログから実践者アカウントを分析し、6つの繰り返しテーマを特定し、仮説を導出する。
次に、200万以上のプルリクエストと問題を持つ294のリポジトリにわたるベイジアン構造時系列分析を用いて、これらの仮説を評価する。
以上の結果から,2025年にはPR量の増加が見られたが,合併率は低下し,1回のコントリビュータによるPRマージ率の18.18%低下がみられた。
最後に、実践者のインタビューを通じて11の修復戦略を特定し、229人のOSS実践者の調査を行い、それらを保存的、適応的、変換的指向に分類した。
その結果,AI-DDoSはコントリビューション量の問題であるだけでなく,サステナビリティの罠であることがわかった。
関連論文リスト
- Supervised Fine-Tuning vs. In-Context Learning: An Equilibrium Analysis of LLM Personalization under Congestion [52.722575491987904]
ICL と SFT は,事前学習とデータ信号対雑音比の相互関係によって決定される。
どちらのパーソナライズ手法も、計算負荷が増大する可能性があるにもかかわらず、プラットフォームの最大利益を損なうことはないことを実証する。
論文 参考訳（メタデータ） (2026-07-15T21:17:42Z) - Augmentation with Dilution: A Large-Scale Empirical Study of Human Contributor Ecosystems After AI Coding Agent Adoption [5.3319140556634315]
オープンソースプロジェクトにおけるAIコーディングエージェントの導入により,人間の参加者の数,構成,行動がどう変化するかを検討する。
以上の結果から,AIエージェントの採用は,人間のコントリビュータの絶対数を大きく変えるものではないことが示唆された。
AIエージェントが人間のコントリビュータに取って代わるのではなく、オープンソースのエコシステムの構造を体系的に再構築していることが分かりました。
論文 参考訳（メタデータ） (2026-06-24T18:36:01Z) - Making MLLMs Blind: Adversarial Smuggling Attacks in MLLM Content Moderation [54.38271718421492]
敵の密輸攻撃は人間とAIの能力ギャップを悪用する。
有害なコンテンツを人間の読みやすい視覚形式にエンコードする。
我々は緩和戦略の予備的な調査を行う。
論文 参考訳（メタデータ） (2026-04-08T11:13:16Z) - Agentic Test-Time Scaling for WebAgents [65.5178428849495]
CATTS(Confidence-Aware Test-Time Scaling)を提案する。
CATTSは、WebArena-LiteとGoBrowseのパフォーマンスをReact上で最大9.1%改善し、均一なスケーリングよりも最大2.3倍少ないトークンを使用する。
論文 参考訳（メタデータ） (2026-02-12T18:58:30Z) - Why Are AI Agent Involved Pull Requests (Fix-Related) Remain Unmerged? An Empirical Study [5.127121704630949]
AIDEV POPデータセットから広く使用されている5つのAIコーディングエージェントによって作成された8,106の修正関連PRを分析した。
以上の結果から,他のPRによるテストケース障害や,同じ問題に対する事前解決が,非統合の最も一般的な原因であることが示唆された。
論文 参考訳（メタデータ） (2026-01-29T22:06:58Z) - Emergence: Overcoming Privileged Information Bias in Asymmetric Embodied Agents via Active Querying [0.0]
大型言語モデル(LLM)は強力な推論エンジンとして機能するが、エンボディ環境では「シンボルグラウンド」に苦しむ。
主観的情報バイアス(英: Privileged Information Bias, 英: Curse of Knowledge, 英: Curse of Knowledge, 英: Privileged Information Bias, 英: Curse of Knowledge, 英: Curse of Knowledge)とは、知識のある「リーダー」エージェントが、心の理論の欠如により、センサ限定の「フォロワー」を誘導できないことを指す。
リーダーは35.0%のエピソードで目標を達成できたが、共同チームは17.0%の時間しか成功していない。
論文 参考訳（メタデータ） (2025-12-13T17:17:51Z) - The AI Attribution Paradox: Transparency as Social Strategy in Open-Source Software Development [0.0]
私たちは、2023-2025の7,393リポジトリにまたがる14,300のGitHubコミットを分析します。
我々は8つの主要なAIツールの属性戦略とコミュニティ対応を調査した。
開発者はコミュニティの精査を管理することで、AI支援の認知と戦略的にバランスをとることができる。
論文 参考訳（メタデータ） (2025-11-30T12:30:55Z) - Reduced AI Acceptance After the Generative AI Boom: Evidence From a Two-Wave Survey Study [40.26767449635043]
本稿では,ChatGPTのローンチ前後におけるAIに対する公的な態度の変化について検討する。
AIが「全く受け入れられない」と回答した回答者の割合は23%から30%に増加した。
これらの変化は、教育、言語、性別格差の拡大の観点から、既存の社会的不平等を増大させてきた。
論文 参考訳（メタデータ） (2025-10-27T17:47:58Z) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - Security Challenges in AI Agent Deployment: Insights from a Large Scale Public Competition [101.86739402748995]
44の現実的なデプロイメントシナリオを対象とした,22のフロンティアAIエージェントを対象にしています。
Agent Red Teamingベンチマークを構築し、19の最先端モデルで評価します。
私たちの発見は、今日のAIエージェントの重要かつ永続的な脆弱性を浮き彫りにしたものです。
論文 参考訳（メタデータ） (2025-07-28T05:13:04Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z)
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。