编码代理面临更严格的信任测试：执行轨迹、仓库纪律和行动前检查
本周研究把大语言模型（LLM）编码代理视为需要先给出证据才能被信任的系统。最有力的工作通过执行、仓库任务、形式化证明、工具契约和对抗性安全测试来检查生成代码。SWE Atlas、VeriContest 和 RubricRefine 展示了同一个实用标准：有用的代理必须留下可检查的证据，处理常规工程工作，并避免不安全操作。
主题概况
本周研究把大语言模型（LLM）编码代理视为需要先给出证据才能被信任的系统。最有力的工作通过执行、仓库任务、形式化证明、工具契约和对抗性安全测试来检查生成代码。SWE Atlas、VeriContest 和 RubricRefine 展示了同一个实用标准：有用的代理必须留下可检查的证据，处理常规工程工作，并避免不安全操作。