論文の概要: Chance, Persistent Advantage, and the Generative-AI Era in Open-Source Package Careers
- arxiv url: http://arxiv.org/abs/2609.09687v1
- Date: Wed, 09 Sep 2026 04:03:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.89467
- Title: Chance, Persistent Advantage, and the Generative-AI Era in Open-Source Package Careers
- Title（参考訳）: オープンソースパッケージキャリアにおけるチャンス・永続的アドバンテージと生成AI時代
- Abstract要約: 人の成功がどれほど大きいかは、安定した人固有の要因に従う傾向がある。
我々は615万のコントリビュータによる102.2Mのキャリアワークを再構築し、リポジトリがパッケージを公開している908万のコントリビュータに対して、各作業への影響を測定する。
キャリアの最大のヒットのタイミングは、科学や芸術など、彼らの作品に対する宝くじに近いことが分かっています。
- 参考スコア（独自算出の注目度）: 0.7792020418343021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Studies of careers in science, film, music, and books report a common pattern. When a person's most successful work arrives is close to a random draw over the works they produce. How large their successes tend to be, in contrast, follows a stable, person-specific factor. We test whether this pattern holds for open-source software careers and whether it changed when generative AI coding tools arrived. From the complete public record of GitHub push events (2015-2025), we reconstruct 102.2M career works by 6.15M contributors, and for the 908k contributors whose repositories publish packages, we measure each work's impact by how many downstream packages come to depend on it. First, we find that the timing of a career's biggest hit is close to a lottery over their works, as in science and the arts, with a small, replicable lean toward early career that grows as careers get longer. Second, some coders reliably produce higher-impact work than others, but this lasting personal factor accounts for only part of why impact persists (about a fifth in our primary specification); the rest behaves like momentum, success feeding on itself for a period of time. Third, within the same contributors, this structure did not change after ChatGPT's release. The stable factor's weight grew by about as much as it grew for an earlier cohort that simply aged, and subtracting the effect of aging from the effect of generative AI puts the shift at +0.03 (95% CI [-0.22, +0.23]), indistinguishable from zero. The success pattern documented in science and the arts therefore describes open-source careers too, and it shows no detectable break across the arrival of generative AI. These results have implications for how track records on open platforms should be read and on what to expect from generative AI for the careers built on them.
- Abstract（参考訳）: 科学、映画、音楽、書籍におけるキャリアの研究は共通のパターンを報告している。
人の最も成功した作品が到着すると、その作品に対するランダムな引き分けに近づきます。
対照的に、彼らの成功がどれほど大きいかは、安定した人特有の要因に従う傾向がある。
私たちは、このパターンがオープンソースのソフトウェアキャリアに当てはまるかどうか、そして生成AIコーディングツールが登場したときに変化したかどうかを検証します。
GitHubのプッシュイベントの完全な公開記録(2015-2025)から、コントリビュータによる102.2Mのキャリアワークを再構築し、リポジトリがパッケージを公開している908万のコントリビュータに対して、ダウンストリームパッケージの数によって各作業の影響を測定する。
第一に、キャリアの最大のヒットのタイミングは、科学や芸術など、彼らの作品よりも宝くじに近いことに気付き、キャリアが長引くにつれて成長する、小さな複製可能なリーンが早期キャリアに向かっている。
第二に、コーダによっては、他のものよりも確実に影響の高い作業を生成するものもありますが、この永続的な個人的要因は、影響が持続する理由の一部(主要な仕様では5分の1程度)に過ぎません。
第3に、同じコントリビュータ内では、ChatGPTのリリース後にこの構造は変更されなかった。
安定因子の重量は、単に老化した初期のコホートと同程度に増加し、生成AIの効果から老化の影響を減じると、そのシフトは+0.03 (95% CI [-0.22, +0.23]) となり、0と区別できない。
科学や芸術で記録された成功パターンは、オープンソースとしてのキャリアも記述している。
これらの結果は、オープンプラットフォーム上のレコードの読み方や、その上に構築されたキャリアのための生成AIから何を期待すべきかに影響を及ぼす。
関連論文リスト
- Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills [86.15447717549154]
私たちは、スキルを創造し、研究中にそれらを使用する、スキル駆動型研究エージェントであるDisCoを紹介します。
私たちはこの欠落したレイヤの運用知識を、メソッドの知識を機能させるのと分離するノウハウと呼んでいる。
論文 参考訳（メタデータ） (2026-09-02T15:49:41Z) - Return of the solo author: The changing division of labor in science in the age of generative A [0.0]
2022年後半のChatGPTの公開リリースにより、数十年にわたるソロオーサシップの衰退が停止し、部分的に逆転したことを示す。
また、これは共同執筆者の作業が容易に置き換えられる分野において最強であり、物理的なコラボレーションに依存する分野において弱い、あるいは欠落している分野においてもあります。
この研究は、生成的AIが科学的労働にどのように代用できるかを実証的な調査と、チームサイズではなく、論文内で認知的労働を再構成する証拠を提供する。
論文 参考訳（メタデータ） (2026-07-12T14:17:39Z) - FrontierSmith: Synthesizing Open-Ended Coding Problems at Scale [73.57353294235223]
既存のクローズドエンドコーディングタスクからオープンエンドの問題を進化させる自動化システムであるFrontierSmithを紹介する。
2つのオープンエンドコーディングベンチマークでは、我々の合成データに対するトレーニングはベースモデルよりも大幅に向上する。
合成された問題は、エージェントがもっと回転してトークンを使うようにもなっています。
論文 参考訳（メタデータ） (2026-05-14T06:39:42Z) - The Hot Mess of AI: How Does Misalignment Scale With Model Intelligence and Task Complexity? [53.15349353876531]
AIがより有能になるにつれて、より汎用的で簡潔なタスクを委任します。
我々はAIモデルによる誤りのバイアス分散分解を用いてこの問題を運用する。
より有能なAIはより困難なタスクを追求し、よりシーケンシャルな行動と思考を必要とするので、私たちの結果は失敗がより一貫性のない行動を伴うことを予測します。
論文 参考訳（メタデータ） (2026-01-30T14:52:03Z) - 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) - BugPilot: Complex Bug Generation for Efficient Learning of SWE Skills [59.003563837981886]
高品質なバグは、次世代の言語モデルベースソフトウェアエンジニアリング(SWE)エージェントをトレーニングする鍵となる。
難易度および多種多様なバグを合成する新しい方法を提案する。
論文 参考訳（メタデータ） (2025-10-22T17:58:56Z) - Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity [0.5789840336223054]
広く採用されているにもかかわらず、ソフトウェア開発におけるAIツールの影響はいまだ検討されていない。
2025年2月から6月までのフロンティアにおけるAIツールが、経験豊富なオープンソース開発者の生産性にどのように影響するかを理解するために、ランダム化制御トライアル(RCT)を実施しています。
適度なAI経験を持つ16人の開発者が、平均5年間の経験を持つ成熟したプロジェクトで246のタスクを完了した。
論文 参考訳（メタデータ） (2025-07-12T00:16:33Z) - SciMaster: Towards General-Purpose Scientific AI Agents, Part I. X-Master as Foundation: Can We Lead on Humanity's Last Exam? [51.112225746095746]
本稿では,人間研究者をエミュレートするツール強化推論エージェントであるX-Masterを紹介する。
XマスターズはHumanity's Last Examに32.1%のスコアで最新記録を樹立した。
論文 参考訳（メタデータ） (2025-07-07T17:50:52Z) - How much does AI impact development speed? An enterprise-based randomized controlled trial [8.759453531975668]
複雑なエンタープライズレベルのタスクに開発者が費やす時間に対する3つのAI機能の影響を見積もる。
また、コード関連のアクティビティに1日あたり何時間も費やす開発者は、AIがより速くなるという興味深い効果も見出しました。
論文 参考訳（メタデータ） (2024-10-16T18:31:14Z) - Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。
10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。
これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-06-16T19:11:15Z) - Cycling on the Freeway: The Perilous State of Open Source Neuroscience Software [46.83624918571962]
既存の神経科学オープンソースソフトウェアのエコシステムは不安定である、と我々は主張する。
近年、神経科学データ分析のためのフリーのオープンソース科学ソフトウェア(FOSSS)への依存がシフトしている。
論文 参考訳（メタデータ） (2024-03-28T13:11:09Z) - Follow Us and Become Famous! Insights and Guidelines From Instagram
Engagement Mechanisms [34.56524908056281]
ポストの人気を予測するための様々な方法が提案されている。
これらの手法は、2021年に重要になったコメントの数を無視して、このような予測に重点を置いている。
より優れたアプローチは、人やIGの好みに基づいた投稿を生成することだ。
我々は、34Kのグローバルインフルエンサーが作成した1000万のポストのグローバルデータセットを使用して、広範な実験を行う。
論文 参考訳（メタデータ） (2023-01-17T11:26:34Z)
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。