编码代理正在接受轨迹、行级证据和对抗性测试的评判
这一窗口里的编码代理工作围绕证据密集的控制展开：轨迹变成训练数据，仓库搜索得到行级评分，评估加入随机上限和运行时检查。Socratic-SWE、SWE-Explore 和 CapCode 的信号最强。
主题概况
Evaluation Integrity
编码代理审计轨迹
运行编码代理的团队可以在每次运行周围增加更有用的审查点：补丁前查看过的具体代码区域、用于识别测试作弊的随机化评测器检查，以及针对第三方 skills 的运行时检查。共同的运营需求是：代理成功或失败之后，都能审计这些证据。