Subsysteembeheerders hebben ook de vrijheid om strengere regels op te leggen. In augustus 2026 kondigde Johannes Berg, beheerder van de draadloze netwerksubsystemen van de kernel (802.11, mac80211, WWAN, rfkill), een opmerkelijk streng standpunt aan over AI/LLM-gegenereerde patches :

• "Drie-secondenregel": Elke patch die niet binnen drie seconden beoordeling duidelijk correct blijkt, wordt botweg genegeerd .
• Geen heen-en-weer gepingpong: Hij weigert deel te nemen aan beoordelingsrondes om AI-gegenereerde patches te repareren .
• Afwijzing van rommel van lage kwaliteit: Patches die niet triviaal correct zijn, worden afgewezen zonder verdere discussie .

Dit beleid volgde op de regel van Greg Kroah-Hartman dat het drivers/staging/-subsysteem alle LLM-gegenereerde patches afwijst, behalve voor echte beveiligingsfixes .

Waarom de Linux-kernel voor deze aanpak koos

De kernelgemeenschap identificeerde drie kernproblemen die aanleiding gaven tot het beleid:

1. Crisis in de beoordelingscapaciteit: Beheerders worden overspoeld met een vloedgolf aan AI-gegenereerde patches, waarvan er veel oppervlakkig gepolijst zijn, maar semantisch fout of gevaarlijk .
2. Signaalverlies: Gepolijste patches zijn niet langer een betrouwbare indicator van echte inspanning, begrip of langdurige interesse van de bijdrager .
3. Verantwoordelijkheid: De gemeenschap concludeerde dat menselijke verantwoordelijkheid niet onderhandelbaar is – de machine kan geen juridische oorsprong certificeren of verantwoordelijkheid nemen voor bugs .

Rust-project: LLM-beleid voor vijf teams (5 augustus 2026)

Op 5 augustus 2026 namen vijf Rust-teams een formeel LLM-beleid aan voor de rust-lang/rust monorepo . Het beleid is uitdrukkelijk geen officieel projectbreed standpunt en is alleen van toepassing op de kernrepository en de aannemende teams .

Wat is toegestaan (met openbaarmaking)

• LLM's gebruiken om vragen te beantwoorden, code te analyseren of de codebase te leren kennen voor eigen begrip .
• Privé-code- of prozareview door een bijdrager .
• Bugontdekking die de bijdrager zelf verifieert .
• Machinevertaling van inhoud .

Wat is verboden

• Het indienen van door LLM gegenereerde documentatie, inclusief doc-commentaar en veiligheidscommentaar .
• Het plaatsen van door LLM gegenereerde GitHub-reacties, issue-teksten, pull-request-beschrijvingen, compilerdiagnostiek of substantiële broncodecommentaren .
• Het publiceren van door LLM geschreven code, tenzij vooraf toestemming van de reviewer is verkregen en het gebruik van een LLM expliciet is vermeld .
• Het indienen van door AI gegenereerde inhoud zonder begrip of beoordeling .

De werksamenvatting van het beleid: "Het is prima om LLM's te gebruiken om vragen te beantwoorden, te analyseren, te distilleren, te verfijnen, te controleren, suggesties te doen en te beoordelen. Maar niet om te creëren."

Waarom Rust voor deze aanpak koos

Jynn Nelson, de auteur van het beleid, schetste drie kernproblemen in de officiële aankondigingsblog :

1. Gepolijste technische producten zijn niet langer een indicatie van inspanning en begrip: LLM's kunnen schoon ogende patches produceren die de indiener niet begrijpt, waardoor het sociale signaal dat een zorgvuldige PR een echte menselijke investering vertegenwoordigt, wordt verbroken.
2. De beoordelingscapaciteit is al overbelast: Er staan 1.281 open PR's op rust-lang/rust. Code gemakkelijker maken om te schrijven zonder de reviewer-capaciteit te vergroten, verergert een reeds bestaande bottleneck.
3. Mechanisch kopiëren en plakken verspilt ieders tijd: Bijdragers die reviewcommentaren in een LLM plakken en vervolgens de reactie van de LLM terug op GitHub plakken, tasten het vertrouwen aan en omzeilen menselijke beraadslaging.

Het beleid was ook gemotiveerd door de wens om over te stappen van informele, inconsistente moderatie naar duidelijke, gepubliceerde regels waar reviewers naar kunnen verwijzen en die nieuwe bijdragers kunnen vinden .

Brede implicaties voor open-source governance

Beide beleidslijnen onthullen een gemeenschappelijk patroon en een gedeelde reeks governance-uitdagingen:

Wat dit betekent

• De "reviewcrisis" is de centrale spanning. Beide projecten erkennen dat LLM's het aantal bijdragen drastisch verhogen zonder het aantal gekwalificeerde reviewers te vergroten. Dit is de grootste governance-stressfactor .
• Signaalinstorting is reëel. Beide gemeenschappen merken op dat gepolijste PR's ooit inspanning en begrip signaleerden; LLM's hebben dat signaal verbroken .
• Formalisering vervangt ad-hoc moderatie. Beide projecten zijn overgestapt van informele regels naar gecodificeerd beleid, juist omdat inconsistente handhaving verwarrend was voor bijdragers en uitputtend voor beheerders .
• Subsysteemautonomie is belangrijk. De aanpak van de Linux-kernel stelt individuele beheerders in staat strengere regels te stellen, zoals Johannes Berg deed voor draadloos. De Rust-aanpak is team-voor-team adoptie .
• Er is geen consensus over AI zelf. Het Rust-beleid erkent expliciet dat er nooit een projectbrede consensus over AI zal zijn, dus het beleid richt zich nauw op de bijdrage-mechanica in plaats van een moreel oordeel over LLM's te vellen .

Subsysteembeheerders hebben ook de vrijheid om strengere regels op te leggen. In augustus 2026 kondigde Johannes Berg, beheerder van de draadloze netwerksubsystemen van de kernel (802.11, mac80211, WWAN, rfkill), een opmerkelijk streng standpunt aan over AI/LLM-gegenereerde patches :

• "Drie-secondenregel": Elke patch die niet binnen drie seconden beoordeling duidelijk correct blijkt, wordt botweg genegeerd .
• Geen heen-en-weer gepingpong: Hij weigert deel te nemen aan beoordelingsrondes om AI-gegenereerde patches te repareren .
• Afwijzing van rommel van lage kwaliteit: Patches die niet triviaal correct zijn, worden afgewezen zonder verdere discussie .

Dit beleid volgde op de regel van Greg Kroah-Hartman dat het drivers/staging/-subsysteem alle LLM-gegenereerde patches afwijst, behalve voor echte beveiligingsfixes .

Waarom de Linux-kernel voor deze aanpak koos

De kernelgemeenschap identificeerde drie kernproblemen die aanleiding gaven tot het beleid:

1. Crisis in de beoordelingscapaciteit: Beheerders worden overspoeld met een vloedgolf aan AI-gegenereerde patches, waarvan er veel oppervlakkig gepolijst zijn, maar semantisch fout of gevaarlijk .
2. Signaalverlies: Gepolijste patches zijn niet langer een betrouwbare indicator van echte inspanning, begrip of langdurige interesse van de bijdrager .
3. Verantwoordelijkheid: De gemeenschap concludeerde dat menselijke verantwoordelijkheid niet onderhandelbaar is – de machine kan geen juridische oorsprong certificeren of verantwoordelijkheid nemen voor bugs .

Rust-project: LLM-beleid voor vijf teams (5 augustus 2026)

Op 5 augustus 2026 namen vijf Rust-teams een formeel LLM-beleid aan voor de rust-lang/rust monorepo . Het beleid is uitdrukkelijk geen officieel projectbreed standpunt en is alleen van toepassing op de kernrepository en de aannemende teams .

Wat is toegestaan (met openbaarmaking)

• LLM's gebruiken om vragen te beantwoorden, code te analyseren of de codebase te leren kennen voor eigen begrip .
• Privé-code- of prozareview door een bijdrager .
• Bugontdekking die de bijdrager zelf verifieert .
• Machinevertaling van inhoud .

Wat is verboden

• Het indienen van door LLM gegenereerde documentatie, inclusief doc-commentaar en veiligheidscommentaar .
• Het plaatsen van door LLM gegenereerde GitHub-reacties, issue-teksten, pull-request-beschrijvingen, compilerdiagnostiek of substantiële broncodecommentaren .
• Het publiceren van door LLM geschreven code, tenzij vooraf toestemming van de reviewer is verkregen en het gebruik van een LLM expliciet is vermeld .
• Het indienen van door AI gegenereerde inhoud zonder begrip of beoordeling .

De werksamenvatting van het beleid: "Het is prima om LLM's te gebruiken om vragen te beantwoorden, te analyseren, te distilleren, te verfijnen, te controleren, suggesties te doen en te beoordelen. Maar niet om te creëren."

Waarom Rust voor deze aanpak koos

Jynn Nelson, de auteur van het beleid, schetste drie kernproblemen in de officiële aankondigingsblog :

1. Gepolijste technische producten zijn niet langer een indicatie van inspanning en begrip: LLM's kunnen schoon ogende patches produceren die de indiener niet begrijpt, waardoor het sociale signaal dat een zorgvuldige PR een echte menselijke investering vertegenwoordigt, wordt verbroken.
2. De beoordelingscapaciteit is al overbelast: Er staan 1.281 open PR's op rust-lang/rust. Code gemakkelijker maken om te schrijven zonder de reviewer-capaciteit te vergroten, verergert een reeds bestaande bottleneck.
3. Mechanisch kopiëren en plakken verspilt ieders tijd: Bijdragers die reviewcommentaren in een LLM plakken en vervolgens de reactie van de LLM terug op GitHub plakken, tasten het vertrouwen aan en omzeilen menselijke beraadslaging.

Het beleid was ook gemotiveerd door de wens om over te stappen van informele, inconsistente moderatie naar duidelijke, gepubliceerde regels waar reviewers naar kunnen verwijzen en die nieuwe bijdragers kunnen vinden .

Brede implicaties voor open-source governance

Beide beleidslijnen onthullen een gemeenschappelijk patroon en een gedeelde reeks governance-uitdagingen:

Wat dit betekent

• De "reviewcrisis" is de centrale spanning. Beide projecten erkennen dat LLM's het aantal bijdragen drastisch verhogen zonder het aantal gekwalificeerde reviewers te vergroten. Dit is de grootste governance-stressfactor .
• Signaalinstorting is reëel. Beide gemeenschappen merken op dat gepolijste PR's ooit inspanning en begrip signaleerden; LLM's hebben dat signaal verbroken .
• Formalisering vervangt ad-hoc moderatie. Beide projecten zijn overgestapt van informele regels naar gecodificeerd beleid, juist omdat inconsistente handhaving verwarrend was voor bijdragers en uitputtend voor beheerders .
• Subsysteemautonomie is belangrijk. De aanpak van de Linux-kernel stelt individuele beheerders in staat strengere regels te stellen, zoals Johannes Berg deed voor draadloos. De Rust-aanpak is team-voor-team adoptie .
• Er is geen consensus over AI zelf. Het Rust-beleid erkent expliciet dat er nooit een projectbrede consensus over AI zal zijn, dus het beleid richt zich nauw op de bijdrage-mechanica in plaats van een moreel oordeel over LLM's te vellen .