超越训练限制的编码：Claude Code 与软件开发者的技术前沿
计算机视觉与模式识别
2026-05-26 v1
摘要
我们研究了 AI 编码助手的采用是否因果性地扩大了 individual 软件开发者的技术前沿。我们利用 Claude Code 在 GitHub 上的分阶段推送，构建了一个包含 5,838 名开发者、覆盖 28 个月的面板数据集，其中治疗定义为开发者首次提交由 Claude 共同编写的提交代码，尚未接受治疗的开发者作为对照组。运用双鲁棒的 Callaway 和 Sant'Anna (2021) 估计器，我们发现月度提交数（+41）、贡献的仓库数（+1.5）、使用的编程语言数（+0.83）、香农语言熵（+0.14）、新使用的语言数（+0.31）以及累计生命周期语言数（+0.51）均呈显著正向效应。累计语言效应随采用时间的增长而增大，符合一种贝叶斯学习模型，其中 AI 提供有关不熟悉技术的免费信号，降低了切换壁垒。结果对两种更严格的活动过滤器下均稳健。这些估计量记录了 AI 采用伴随的显著且持久的开发者行为转变；识别限制防止严格的因果主张，我们为更干净的测试提出了议程。
引用
@article{arxiv.2605.25437,
title = {Does Seeing More Mean Knowing More? Mono-Anchored Advantage Normalization for Multi-Source Visual Reasoning},
author = {Fanhu Zeng and Zhicong Luo and Zefan Wang and You Li and Chi Chen and Maosong Sun},
journal= {arXiv preprint arXiv:2605.25437},
year = {2026}
}
备注
preprint