编码代理正在接受克制、证明和仓库纪律的评判
编码代理研究正在用可执行检查来测试决策质量。FixedBench 测量代理什么时候应该保持代码不变。SWE Atlas 评测日常仓库工作。VeriContest 表明，普通代码生成离机器检查过的正确性还有差距。
主题概况
Agent Governance
Coding Agent Control Points
采用 coding agent 的团队现在可以加上三个具体控制：针对过期问题的预编辑拒答检查、针对代理指令和权限的仓库配置审计，以及针对需要机器检查正确性的代码的证明导向通道。
代码研究正在围绕生成内容收紧行为检查
4 月 21 日的研究在代码系统面对更严格的行为检查时最强。DebugRepair、PlayCoder 和 MuCoCo 都提出了比标准通过率更难的问题：模型在运行时轨迹、真实交互或等价改写下是否还能站住脚？另一条较小的线索补充了多用户 agent 的操作规则，ClawNet 把身份、权限和可审计性放在中心位置。
可执行行为门槛
行为检查已经具体到足以改变编码工作流。最近最清楚的三个动作是：把运行时轨迹收集加到自动修复里，把交互试玩加到 GUI 代码生成里，以及在提交报告前用可执行测试筛查 API 文档漂移。