Rodriguez/Kannan/Chepuri（SSRN 7629481）的 advisory 计数论文，与 GitHub 官方 2026-06-29 博文、NIST 2026-04-15 NVD 运营变更、Kubernetes 2026/2025 两份公开选票、OpenCourant 关停仓库、LF BUILD Foundation 新闻稿并置读：论文摘要里的六个数能不能独立成立，取决于是谁定义了口径。K8s 选举可以用公开数据与公开源码重算出与公告一致的答案；advisory 计数不能。结论不是「谁在造假」，而是——度量权不表现为禁止，表现为问题被预先切好了；而一个治理机制能否被相信，取决于它是否允许被怀疑。
Rehman et al. (2026, arXiv 2610.00905) 首次以 22,848 closed issues × 21 开源 LLM-based MAS 项目的大样本量化开源 MAS 的实践问题：过滤到 944 个 MAS 相关问题后诊断出三大核心问题类别（Orchestration & Execution 主导 / Workflow + Tool Integration + Memory 三大成因 / Optimize Workflow 单一主导解决方案）。开源 MAS 治理的第一份诊断式实证——把「开源治理」从「协作范式」层扩展到「多 agent 系统实践问题库」层。Ostrom 八原则的开源 MAS 场景全部失效的教科书样本。Williamson L3 治理机制层的最新诊断。适兕「思想是制度的源代码」命题的 AI 时代最新版本——治理设计的第一动作是「先诊断，再设计」。
SSRN 2610 工作论文首次以 Williamson 交易成本经济学论证 agent 劳动力需要 piece-rate 选择机制而非 Holmström 激励契约——Coase 命题从企业边界退化到选择边界的第一份系统论证
Lerner & Tirole 2002 之后开源经济学最重要的一份 AI 时代续篇——GitHub 平台一手 Copilot 使用数据的第一份大样本实证：+5.9% 贡献 / +8% 协调时间 / 核心 vs 外围开发者不对称加剧。
Leith 用一个完全由 Claude AI 撰写、没有任何人类代码或测试的 21,000 行 Python 项目，把 AI 代码可信度的讨论从「能力问题」转到「制度问题」——14.3% 错误被 AI 自写测试捕获 = AI 内部治理的第一份量化证据，AI-only 时代「行动的定义权」从「决定权」转移到「外部问题定义」。
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」。