Coase-Transaction-Cost

2026-09-16 「开源之道」·论文略读：推理时 AI 治理的可行性分类学——训练时代的监管单位已失效

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。

2026-09-14 「开源之道」·论文略读：Invisible Autonomy Risk——AI Agent 治理如何被重新定义为 Coase 命题的当代表述

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」。

2026-09-12 「开源之道」·论文略读：281 份 AI 贡献政策——开源治理新制品的横向普查与制度演化速度

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。