人工智能编程助手的马太效应：软件演化中的隐性偏见
论文信息
论文信息
- 作者：Fei Gu, Zi Liang, Hongzong Li, Jiahao Ma
- 发布：2025-09-27
- 原文：arXiv:2509.23261
人工智能编程助手的马太效应：软件演化中的隐性偏见
摘要
AI辅助编程正在迅速重塑软件开发，大语言模型（LLM）催生了诸如氛围编码（vibe coding）和智能体编码（agentic coding）等新范式。现有研究主要关注提示设计和代码生成质量，但LLM驱动开发对软件工程迭代动态的广泛影响仍未得到充分探讨。本文针对数千道算法编程任务和数百道框架选择任务开展大规模实验，系统性地研究AI辅助编程如何与软件生态系统相互作用。我们的分析量化了一种显著的性能不对称现象：主流语言和框架的成功率远高于小众语言和框架。这种差异表明存在与马太效应一致的反馈循环——数据丰富的生态系统获得更优的AI支持。虽然当前模型并非技术采纳的唯一驱动因素，但它们为小众技术引入了不可忽视的生产力摩擦，这构成了软件演化中的一种隐性偏见。