编码论文正在加入真实执行检查，并为长周期工作提供更好的把手
4 月 20 日的编码研究最强的部分，是论文把系统和真实执行接得更紧。SolidCoder、OpenGame 和 OpenROAD 验证器都通过沙箱、浏览器或领域图检查行为，减少对表面正确输出的信任。另一条线规模更小，但也有用：测试放置方式和编辑历史都会影响开发者和模型能否保持工作可验证。
主题概况
Execution Verification
Execution-verified coding workflows
有执行验证的编码工作已经具体到足以支持明确的产品和流程改动。这里最清楚的几类是：把边界情况捕捉前置并配合沙箱回归检查、给交互式前端输出加浏览器运行后的接受检查，以及用内联测试处理来提高助手保留并通过提示测试的概率。
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。
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。