软件工程代理转向真实评测，证据驱动流程与协议安全同步升温
今天的主线很清楚：代理研究继续向软件工程与企业落地靠拢，但真正升温的不是“更多Agent”，而是“更可评测、更可约束、更可治理”。一个明显变化是，评测开始更像真实工程，而不是只看单一成功率。CR-Bench把代码审查代理放回真实PR场景，强调开发者真正关心的是有用反馈与噪声比例，而不只是多找几个问题。
Evolution3 signals · Continuing 1 · Shifting 1 · Emerging 1
Topic summary
agent-evaluation
Trend briefs
代码代理走向可验证闭环，安全审计与研发自动化同步升温
今天的材料很集中。核心不是“Agent更多了”，而是“Agent更像工程系统了”。训练、验证、安全和上线开始被接成闭环。最强信号来自软件工程代理。SWE-Fuse不再把issue文本当成唯一入口，而是显式训练“没有靠谱issue也能靠测试和调试找问题”的能力。这种弱监督思路很务实，也更贴近真实仓库。它在SWE-benchVerified上把32B开源模型推到60.
Evolution3 signals · Continuing 1 · Shifting 1 · Emerging 1
Idea briefs
软件工程代理转向真实评测，证据驱动流程与协议安全同步升温
基于趋势快照与本地语料核验，本期机会主要集中在五个更具体的方向：一是代码审查代理已被真实PR评测证明存在明显“召回率—噪声”权衡，因此更值得做上线控制层与评论分流，而不是再做泛化审查Agent；二是GUI代理开始具备可落地的自动化回归测试框架，适合产品团队把agent纳入CI式持续测试；三是evidence-first任务构造显示出对新工具和新任务分布更强的泛化潜力，适合沉淀成企业内部训练数据工厂；四是MCP式协议接入正在快速普及，安全…
Opportunities5 opportunities · 6 evidence links
代码代理走向可验证闭环，安全审计与研发自动化同步升温
本期高价值机会集中在“把代码代理纳入现有工程控制面”而不是再做一个更通用的 Agent。最强的 why-now 信号有三类：一是 agent 行为规格开始能被编译成测试并接入 CI，二是 prompt 与多轮改码过程开始能像软件制品一样被审计和门控，三是代理已能直接驱动 fuzzing 这类真实测试基础设施并发现新缺陷。基于本地证据，当前更适合切入安全门控、评测发布网关、测试生成基础设施，而不是泛化“AI 开发平台”。
Opportunities3 opportunities · 6 evidence links