近期對 F-Droid 儲存庫的分析估計，約有 70% 的內容由大型語言模型（LLM）生成，這引發了關於檢測準確性的討論。此發現突顯了 AI 工具在現代開源開發工作流程中的廣泛影響，並挑戰了開源生態系統中對程式碼作者身分和品質控制的傳統觀念。分析指出，由於大型初始提交或自動化中繼資料生成等特徵，檢測方法可能會高估比例，而不僅僅是原始程式碼。部分社群成員指出，即使最終提交歸屬於人類開發者，GitHub Copilot 等工具也會對這一統計數據有所貢獻。

事件背景

F-Droid 是一個由社群運營的自由及開源 Android 應用程式儲存庫，以其對隱私和透明度的嚴格遵守而聞名。該儲存庫依賴中繼資料檔案來自動從原始碼編譯應用程式，這個過程越來越多地借助 AI 工具來生成样板程式碼和設定檔案。

社群觀察

社群反應兩極，有人對高比例感到驚訝，也有人認為 LLM 現在寫出的程式碼比人類更好。批評者指出由於過度計算，檢測可能存在缺陷，而熱衷者則分享了完全使用本地 LLM 構建複雜系統（如 Rust init 系統）的範例。