2026-11-04 「开源之道」·论文略读:From RL Papers to Framework Code — Taiheng Pan (arXiv 2610.28027)
1,598 篇通用 RL 方法只有 37 篇(2.3%)进入七个开源训练框架;真正区隔的不是论文质量,是维护面(maintenance surface)与举证形态。
1,598 篇通用 RL 方法只有 37 篇(2.3%)进入七个开源训练框架;真正区隔的不是论文质量,是维护面(maintenance surface)与举证形态。
Tomás Dodds 与 Liang Chengyuan 在 The Information Society 发表《Strategic Opacity》,以 DeepSeek 与 OpenAI 的许可协议为对照样本,提出开源 AI 治理的三重位移:控制从算法层迁移到协议层、透明度与控制通过『战略性不透明』被重构为相容关系、监管框架与真实控制点系统性错位。核心判断:代码可见不等于治理透明,真正决定权利归属的是许可条款、平台规则与合规安排。
近 300 万个仓库的对称大样本(1,428,792 OSS GitHub + 1,440,527 OSM HF Hub)证明「开源 AI 在直接贡献维度上比 OSS 更封闭」——「开源」治理含义正在分裂的第一份大样本实证,Raymond 1999「bazaar」隐喻在 AI 模型场景下的第一次实证检验。