返回资讯中心
外部精选
软件工程
#开发者实时流

研究:25万个npm包暴露AI写代码的版本指纹

来源标题:Fossil versions: a fingerprint of AI-written code in 250k NPM packages

一项对随机抽取的25万个npm包的分析发现,部分包首个版本中写死的依赖版本是已被取代的旧版本,这是AI凭记忆生成代码的特征。开发者运行npm install时,npm会自动写入当前最新版本号,而写成一两年前旧版本号的情况在2025年出现频率明显上升。涉及的版本均为大版本的首个发布,在包发布时已有一到三年历史。

Hacker News 最新kobima68132026/11/13 · 4 天前19 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

AI 记忆写出的代码指纹:在 25 万个 npm 包中测量。

我随机抽取了 25 万个 npm 包,查看每个包在首个发布版本中声明的依赖版本。

这些数据无法证明任何一个包是由谁或由什么写出来的。时间点、涉及的具体版本,以及包管理器的工作方式,都指向这些清单是从语言模型的记忆中写出的,而不是通过运行安装命令生成的。

当开发者运行 npm install vitest 时,npm 会把当时最新的确切版本写入 package.json,例如 “vitest”: “^4.1.10”。没有人会手动输入这个数字。它就是那一分钟的最新版本。

如果一个清单写着 “vitest”: “^2.0.0”,而那时 2.0.0 已被取代一年半,那它就不是这样产生的。有人,或者某种东西,凭记忆写下了这个数字。人们偶尔一直会这样做,所以基线不是零。2025 年改变的是这种情况发生的频率。

涉及的版本就是线索。以下是 2026 年诞生的指纹包中最常见的、已被取代的整数版本固定:

每一个都是某个主版本的首次发布,在包发布当天已经有一到三年的历史。

样本。从 all-the-package-names@2.0.2622 的 4,669,852 个名称中均匀随机抽取 250,000 个名称(种子 11),数据于 2026 年 11 月 12 日从公共 npm registry 获取。其中 246,072 个仍然存在。241,417 个有可确定日期的首次发布。111,825 个诞生于 2016 年或之后,并且至少有三个可确定日期的版本固定,这些就是被分析的包。

仅首次发布。对于每个包,我取最早发布的版本,读取其 dependencies、devDependencies 和 peerDependencies。这捕捉了清单首次写成的时刻,在任何维护之前。

版本固定。版本固定是指定一个具体版本的范围:^1.2.3、~1.2.3 或 1.2.3。开放范围、标签、git URL 和工作区引用被忽略。

发布时间线。对于 4,000 个最常用的依赖名称,我获取了每个稳定版本的发布时间。其中约 3,400 个有稳定版本。这 4,000 个名称约占样本中依赖声明的五分之四。

指标,均在包首次发布当天取值:

版本固定年龄中位数和新鲜版本占比是在移除大量克隆的垃圾清单后计算的(见稳健性)。

在 2026 年内,指纹包远比其余包陈旧。它们的版本固定年龄中位数为 675 天,最新版本固定为 422 天。对于其他 2026 年的包,这两个数字是 335 天和 43 天。对于 2021–2022 年诞生的包,分别是 154 天和 21 天。

2026 年的其余部分并不是一个干净的人类基线。其版本固定年龄中位数也翻了一番,这表明指纹只捕捉到凭记忆写出的清单的一部分。一个回忆起 typescript ^5.7.2 的模型不会留下整数版本。

指定已被取代的 x.0.0 的版本固定占比在 2025–2026 年上升:@types/node(之前 2–5%,2026 年为 24%)、react(19%)、tsup(22%)、vitest(15%)、rollup(13%)和 eslint(11%)。对于 typescript 和 axios,这一比例保持为零,在这些包上从未出现整数版本的习惯。

2026 年诞生的指纹包集中在少数工具上。44% 依赖 vitest,5% 依赖 jest;而在 2021–2022 年诞生的所有包中,这两个比例是 1% 和 21%。35% 依赖 tsup;webpack 和 rollup 在 2021–2022 年各为 12%,现在分别为 0.4% 和 3%。其他 2026 年的包也表现出同样的转变,只是程度较轻,所以其中一部分只是时代因素。

将样本放大,2023 年创建了约 374,000 个包,2025 年为 455,000 个,2026 年到 11 月 12 日为 895,000 个。2024 年的数字(698,000)被第二季度的垃圾信息浪潮夸大了。

定义。更严格的规则(三个或更多陈旧的整数版本固定,且至少占所有版本固定的一半)在 2024 年之前给出 0.4–1.0%,2026 年上半年为 7.7%。忽略 peerDependencies(整数范围在人类惯例中是合理的),2026 年上半年为 12.9%。

垃圾信息。2024 年第二季度,registry 被数千个几乎相同的垃圾包淹没。删除样本中精确版本固定集合出现五次或更多次的每个清单后,2026 年上半年的数字保持在 13.6%,并消除了 2024 年的低谷。

仅维护过的包。限制为有 repository 字段且至少有两个已发布版本的包,2026 年上半年为 14.1%。

并非单一发布者。2025–2026 年诞生的 3,038 个指纹包由 2,714 个不同账户首次发布。最大的账户占其中的 0.4%。

抽样误差。半年组包含 3,900 到 13,500 个包。置信区间在 results/half_year.csv 中。

其他解释

还有三种情况可能大规模产生整数、陈旧的版本固定。2026 年上半年的数字(13.7%)在任何一种情况下都几乎没有变化。每个半年都在 results/robustness.csv 中。

从旧仓库复制的项目无法逐个包排除。不过复制一直存在,它是 1–2.4% 基线的一部分。只有当人们复制的内容在 2025 年发生变化时,它才能解释这一跃升。

推断,而非证明。registry 元数据中没有任何内容说明是谁写了清单。一个人复制旧教程会产生相同的模式。这一结论基于一个六年保持平稳、在十八个月内上升约八倍的基线。

对凭记忆写出的代码的低估,低估程度未知。陈旧但非整数的版本没有被计入。

2026 年中期以来的下降无法解释。这符合编码代理从 registry 解析版本而不是背诵版本的情况。我没有测试这一点。

仅 npm,仅首次发布。其他生态系统和后续发布可能看起来不同。

覆盖范围。对 4,000 个最常用名称之外的依赖的版本固定没有确定日期。被移除的包(占抽样名称的 1.6%)缺失,而且移除不是随机的。

单一快照。样本是在某一天取的。在名称列表建立之后发布的包不在其中,所以最后一个季度数据稀疏。

相关工作

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →