可执行证明正在成为编码代理的标准输出
这一天最清楚的信号是，编码代理工作正在收紧到可执行证明上。AgentForge、AnyPoC 和 AnalysisBench 都把模型输出当作草稿，要求它先通过具体检查：沙箱执行、可复现的分析输出，或重新运行的概念验证。这种重点与近期关于控制面和验证的一批论文一致，但这组工作更明确地指向最终必须存在的工件：一个通过的补丁、一个有效的分析结果，或一个能触发漏洞的测试。
主题概况
Coding Agents
可运行的验证工件
可执行检查正在进入编码和分析工作流的交付工件。眼下最清楚的落地方向，是给代理生成的补丁加 CI 凭证、给安全报告分流加 PoC 验证器，以及给难配置的分析工具加分阶段 runbook 代理，用可复现的证据把它们跑起来。
coding-agent 研究现在把验证界面当作核心系统设计
本周的 coding-agent 研究在每个关键步骤都留下证据时最有说服力。重心已经转向可执行控制：书面规格、精确编辑空间、运行时检查和持久的工具边界。与前一周相比，这份简报更具体地说明了这些控制点位于哪里：仓库任务内部、安全修复流程中，以及智能体的写入路径上。
面向代理编写代码的验证关卡
近期最清晰的产品方向，是把验证放进执行闭环里。一条路径是外部策略层：只有满足可追溯性和测试义务的代理修改才能通过。另一条路径是代码仓库迁移工作流：把翻译后的测试和修复报告当作一等工件。第三条路径是面向 AI 编写代码的安全关卡：在选定的 diff 上证明可利用性，而不是依赖提示词或传统静态扫描器。
验证和耐用工具边界正在成为 AI 编码系统的核心工程工作
当天最强的信号很简单：研究正在收紧 AI 编码和分析系统周围的控制回路。最好的论文把验证、类型化失败信号或可执行检查放到智能体原本会猜测的位置。Resilient Write 给出了最清楚的系统结果，而 Verify Before You Fix 和规格推断工作显示出同样的偏好：在安全和测试中先做有证据支撑的动作。
可执行验证层
具体工作正在转向工具边界和可执行检查。面向 MCP 风格编码代理的耐久写入层看起来已经可以直接产品化。在安全分析中，修复前先看执行证据看起来是 AppSec 工作流里的一个实用变化，并且在减少误修方面有明确收益。在 Java 验证和测试里，生成的反例测试看起来适合作为噪声较多的推断规格的过滤器。
编码代理研究正在把结构和外部检查变成主要控制面
这一天的研究表明，编码代理在控制被写下来并在模型外检查时会更好。最清楚的证据来自形式化规格、架构描述文件、harness 管理的内存和预算化评估。还有一个应用系统结果也很突出：LLM 引导的查询计划编辑在 Apache DataFusion 中带来了可测量的速度和内存收益。
Agent Runtime Infrastructure
这些证据里最清楚的可落地变化，是用于代码导航的结构化文件、代理 harness 里的记忆控制，以及在 Apache DataFusion 中经过执行验证的计划重写。每一项都给出了一种具体的构建或流程改动，并带有可测量的效果；更宽泛的结对编程和基准论文，更适合作为支持性背景，而不是立刻要做的产品方向。
代码代理研究正在围绕显式控制面展开
当天最强的工作都在把代码代理收紧到显式结构、受限动作和不确定条件下的判断上。Contract-Coding 给出最清楚的仓库级结果，DeepGuard 提供了更明显的安全提升，HiL-Bench 则显示请求帮助仍然是弱项。主线是可检查的控制：合约、护栏，以及能暴露判断缺口的评估。
编码代理控制门
近期最清楚的变化，是围绕编码代理增加更明确的控制点：仓库生成前先放合同工件，给代码生成加安全评分并配上受限编辑工具，以及在需求含糊时先做澄清。证据更支持具体构建和流程调整，而不是更大的自治承诺。
软件代理研究正在收敛到可验证的训练循环和硬控制闸门
这一天最清楚的工作，是让软件代理更容易评分、更容易重跑，也更容易在检查失败时被拦住。Atomic-skill RL、Agent-CoEvo 和 Nidus 分别在训练目标、仓库修复和工程治理三个位置收紧控制环。和前几天相比，重点更少放在证明代理能在真实环境中行动，更多放在建立训练和验证设置，让这些动作可以被测量。
带执行检查的软件代理工作流
这里最可操作的工作，是把软件代理放进带硬执行检查的循环里。最清楚的近期构建方向有三个：一个会连同代码一起改测试的仓库修复工作器、一个面向高吞吐审计型运营的编译式工作流工具，以及一个用于微服务集成测试的在线依赖模拟器。它们都有明确用户、可控试点，而且报告结果具体到足以放进现有工程流程里验证。