Coase-Transaction-Cost

Han (2026, SSRN 10.2139/ssrn.7582038, Peking University) 用 739,587 名活跃 GitHub 用户的日级 commit 面板 × 逐日热度/注意力观测，within-user 差分识别社交热度对开发者产出的关联效应。发现一：超高热度与 commits 产出显著下降相关，且后续几天几乎没有恢复；发现二：地理上距离较远的协作对中，一方产出下降与另一方产出上升相关——分布式结构可能提供注意力挤占风险分散。Coase 1937《企业的性质》命题在开源场景的第五次精确化（开发者的注意力状态作为外部交易成本的一部分）。Williamson L1 社会嵌入层的最底层样本（L1 命题从企业决策跨主体扩展到个人产出的注意力嵌入）。Ostrom 边界界定原则的注意力层版本（Ostrom 从社会注意力公地到数字公地的完整闭环）。哈耶克自发秩序命题在开源场景的第一份社交热度冲击实证。与 #192 Katz (10-08) 的镜像对照：AI 冲击（技术外部冲击）+ 社交热度冲击（注意力外部冲击）构成开源公共品的双重外部脆弱性。开源四层制度基础设施第二层扩展：贡献者注意力层。

Miller et al. (2026, arXiv 2609.40067) 报告 X Community Notes 团队发布 AI Note Writer API 的制度设计：AI 生成候选文本降低用户写作门槛，最终裁决权归用户 rating 社区，API 与数据开放允许外部审计。Ostrom 1990 八原则在 AI 生成内容场景的第一份工业级完整实证——边界界定、集体选择、分级制裁、冲突解决、监控、低成本冲突解决、外部认可、分层治理八条全部命中。Williamson L1-L4 四层框架在 AI 治理场景的第一份工业级实现。Acemoglu 包容性 vs 汲取性制度在 AI 内容治理场景的第一次工业级实证。开源四层制度基础设施第七层新增子层：AI 生成内容治理。

Kim (2026, arXiv 2609.31288) 首次以 22,555 commit / 17,703 非 fork 仓库的开源样本量化 LLM 模型退役对开源应用的冲击：82% 迁移发生在 shutdown 之后（应用已宕机）、Anthropic 60-114 天通知对应 89% 事后迁移 vs OpenAI 一年期通知仅 13%、模型标识符 94% 硬编码、8% 切换 provider、迁移工作量从 6 行 prompt 到 700 行 fine-tune 跨两个数量级。Coase 1937《企业的性质》在 LLM 依赖场景的开源版本精确化：开源项目缺少 deprecation policy 治理机制来降低模型退役的交易成本。Williamson L2-L3 传导机制的开源场景精确化。开源四层制度基础设施第七层新增子层：依赖退役治理。

Wright & Augustus 在 ACM Queue 上把开源依赖的冰山从工程问题升级为受托责任命题——冰山理论作为 Ostrom 边界界定原则的量化实现、XZ 事件把维护者倦怠重新定性为国家级攻击的攻击面、Bloomberg Sustaining Series 用持续在场而非一次性补丁把行动的定义权下放给工程师投票。

Brömme 提出 product- and vendor-neutral 的 Agent 过程 black-box 证据架构——六步管线把 agent 事件产权拆成『内容控制权』+『完整性证明权』。Agent 信任基础设施第五层的第一个可操作架构提案。

Ansari (2026, arXiv 2609.10105) 首次给推理时 AI 治理提出可操作分类学：20 种机制 × 三大目标（Monitoring/Verification/Enforcement）× 4 点成熟度评分 × 双轴对手模型（3 能力层 × 4 对手角色）× 4 治理场景。核心实证：15/20 机制已有商用技术底物但’治理级保证差异很大’；‘没有任何一种机制在国家级部署者面前 adequate’；微调移除 enforcement 簇内部组件但平台外部控制可持续。Cohen’s kappa=0.74。AI 治理研究从训练时代转向推理时代的第一个可操作分类学。Williamson L1-L4 在 AI 治理场景的最新完整应用；Acemoglu 包容性 vs 汲取性制度框架的教科书失败样本；与 Nemecek arXiv 2609.09604 同周发表构成’训练时代失败诊断+推理时代新范式’同批实证产物。

Vu 等（2026, arXiv 2606.20669）提出 Agent Behavior Mining 与「invisible autonomy risk」概念——把流程挖掘引入 AI agent 治理，让 agent 的推理、工具、token 成本转为可观测的过程日志。这是 Coase「企业为什么存在」命题在 AI 时代的当代表述：当企业内部隐性协调成本被 agent 非确定性放大时，企业边界与俱乐部章程都必须被重新界定。开源的信任基础从「代码可见」升级为「行为可见」。

Hora/Robbes/Zacchiroli (2026, arXiv 2609.07542) 首次对主流开源项目 AI 贡献政策做横向普查——281 份政策 + 92 份专用文件时间序列，得出 83.3% 允许 / 67.3% 要求人类参与 / 48.8% 要求披露 / 半份已修订四数据点。同一批作者 4 个月内样本量从 118 扩到 281（+138%），「AI 贡献政策」作为独立治理制品已跨过临界点。Hayek 自发秩序的教科书级实证 + Coase 交易成本在开源治理层的直接应用。