Peng、Calvo、Kalu 与 Davis（Purdue Duality Lab, arXiv 2610.03969）用 1,130 份 agent 性能 PR 对 1,130 份人类性能 PR 做分层配平对照：合并率 54.4% vs 73.3%，但验证报告率 82.3% vs 80.6% 无统计差异。真正的差距在后面——有验证证据的 PR 里约一半根本没有量化指标，缓存类 PR 只有 17.7% 交代了权衡。这不是 agent 稀释质量，是开源从未为「性能主张」建立度量契约，而 agent 把这处空位照了出来。
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」。
Pagden 2013 年梳理的启蒙运动公共理性传统——以理性论证替代权威教条、以宽容替代排斥、以开放辩论替代教义垄断——是开源制度的思想史前提（Williamson L1 社会嵌入层）。Meritocracy 是它的技术投射；code review 是它的当代场所；issue 讨论和 RFC 是它的制度化再现。适兕『思想是制度的源代码』命题找到了最锋利的思想史背书。
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。
De Marzo, Alboré & Garcia (2026, arXiv 2609.09150) 首次记录 AI agent 在野外的完整协作现场——数千个 agent 在公共 wiki 里互助通关，作者用 3 个各只有 1 个自由参数的复制模型解释了三种决策（写在哪/叫什么/怎么措辞）。7% 创新率 + 100 条最近编辑窗口 + 两个错误率构成一个最小制度描述。‘谁先写或者在别人安静时写’成为 meritocracy/powerocracy 之外的第三种制度形态（techronomy 技术性时序评价）。Hayek 自发秩序在 agent 时代的第一次实证检验=无判断的复制；Williamson L1 在 agent 群体中的替代机制=可见性基础设施而非文化；Ostrom 公地治理八原则在 agent 群体的完全缺失=边界界定与 monitoring 都不存在。
Kurtz & Krawiecka (2026, arXiv 2604.06148) 提出跨企业与地缘边界的 AI 系统机器身份治理分类法（MIGT）——企业环境中机器身份与人类身份的比例超过 80:1，单个未治理 Agent 在 2024 年 CrowdStrike 事件中造成 $5.4–10B 损失。四项原创贡献（AIRT 风险分类 + MIGT 六域框架 + 国家行为体威胁模型 + 跨辖区监管对齐结构），首次把「制度基础设施第五层：Agent 信任基础设施」从命题升级为可操作的治理框架。同时给出 EU/US/中国监管义务不可调和冲突的制度环境实证——「评价体系不可通约性」在监管层的复现。