该文章是GitHub上关于runc项目的第4990号议题，讨论是否应该制定关于大型语言模型(LLM)的使用政策，涉及AI代码生成、开发者工作流和应用安全等相关功能。

开源项目runc讨论制定LLM生成内容政策

核心议题：
开源容器运行时项目runc（GitHub仓库opencontainers/runc）正在就如何对待LLM（大语言模型）生成的内容展开讨论。维护者cyphar提出需要明确政策，并建议将相关规范写入CONTRIBUTING.md文件。

主要争议点：
1. 问题报告（Issues）
- 反对意见：应直接关闭所有LLM生成的问题报告，因其包含大量无关或可能错误的信息（如#4982和#4972案例），且无法验证问题真实性。
- 支持案例：Incus项目已明确禁止LLM使用（参见commit 54c3f05）。

2. 代码提交（Pull Requests）
   • 最低标准：提交者需能用自己的语言回应代码审查，证明理解代码逻辑（如#4940和#4939案例中提交者未达标）。
   • 法律顾虑：cyphar认为LLM生成代码可能不符合开发者证书（DCO）要求，但承认这是少数观点。

支持有限使用的场景（AkihiroSuda提出）：
- 非英语内容翻译
- 语法错误和拼写修正
- 简单代码片段补全（如if err != nil { return nil, err }）

反对简单禁止的观点（nbardy等）：
- 应基于内容质量而非来源判断，优质LLM生成内容可能难以辨别
- 尚无证据表明LLM生成PR的不良率高于人工提交
- 当前核心矛盾是LLM降低了提交门槛导致数量激增（yolandaplayne-cyber补充）

讨论状态：
尚未达成共识，但普遍认同需要制定明确指南。争议焦点集中在如何平衡效率与质量，以及是否需区分「辅助工具」和「全自动生成」的使用场景。

（注：原文中GitHub界面导航、用户互动表情等非实质内容已省略，保留核心讨论脉络及典型论据。）

评论内容总结

1. AI生成内容泛滥问题

• 观点：AI生成的issue/PR数量激增，影响开发者效率，甚至误导开发者。
  • 引用："AI slop in issues and PRs have been taking up a lot of my time."（评论2）
  • 引用："There seems to be a bot that routinely creates huge LLM generated Issues... its becoming annoying."（评论1）

2. AI生成内容的普遍性与负面影响

• 观点：AI生成内容已渗透到各个领域（邮件、博客、论文等），且质量参差不齐。
  • 引用："There’s already more human produced content... we don’t need more from AI."（评论3）
  • 引用："LLM output is... garbage... capital expenditure and energy consumption is used... to produce garbage."（评论7）

3. 应对策略的分歧

• 严格禁止派：主张直接关闭AI生成的issue/PR，要求人工验证。

  • 引用："If I think this bug is AI... I close without any investigation."（评论5）
  • 引用："don’t accept any LLM generated stuff... don’t trust the results of the LLM."（评论8）

• 质量导向派：认为应关注内容质量而非来源，通过测试和讨论筛选。

  • 引用："It doesn’t matter if it was written by a human or an LLM... whether we can have a productive discussion."（评论15）
  • 引用："I have an issue with low quality slop whether it comes from a machine or from a human."（评论18）

4. 其他相关讨论

• 版权与政治问题：AI生成代码的版权不明确（评论10），以及AI被用于政治目的（如修改“台湾”表述，评论11）。
• 社区信任危机：AI滥用可能破坏开源社区的高信任环境（评论13）。
• 技术对抗：未来可能需要更高级的AI工具来识别和过滤垃圾信息（评论7、16）。

5. 少数支持AI的声音

• 合理使用案例：有开发者表示会审慎使用AI工具辅助编码，并明确标注来源（评论6）。
  • 引用："I did review the code, did test it, and do stand by what I’m putting under my name."（评论6）

总结

评论普遍对AI生成内容的低质量和泛滥表示担忧，但应对策略分为两派：严格禁止或基于质量筛选。少数人认为AI工具可合理使用，但需透明化。版权、政治滥用和社区信任问题也被提及。