代码优化与生成式测试的可执行控制
通过结合互补的可执行信号，性能优化和测试生成工作流可以提高模型输出的可靠性：使用运行时性能分析来优先处理静态优化匹配，使用语义变异来检验验收测试，并在行为级验证之前采用确定性的项目脚手架。
主题概况
Program Repair
编码代理正受到可追溯性、成本检查和生产验证的约束
这一时期将大型语言模型（LLM）代理视为可运行的软件。Rel(AI)Build 像管理供应链工件一样管理代理配置，CodeAnchor 为仓库导航加入静态结构，AgentX 将代理工作连接到在线推荐系统实验。
编码代理控制门禁
编码代理的采用现在有几个具体控制点：可审查的代理配置文件、对测试执行的可测量限制，以及面向安全修复的多层验证。共同的运营问题是，代理工作在自己的循环内常常看起来成功，却留下薄弱的来源记录、高执行成本或不安全的生产变更。
编码智能体需要轨迹、gate 和范围化记忆来赢得信任
本周的大语言模型（LLM）智能体工作把自主性当作证据问题处理。最有力的声明把任务成功与轨迹、可执行测试、范围化权限和有来源支撑的记忆配对。ProcGrep、SWE-Future 和 Machine Studying 显示了当前重点：根据智能体做了什么、知道什么，以及哪些检查成立来评判它们。
代码智能体验收控制
代码智能体采用正在转向具体的验收检查：经过失败测试的仓库指令、围绕智能体工作的轨迹门禁，以及面向陌生语料的分配前考试。有用工作位于模型周围的支持层：智能体被告知了什么、它实际做了什么、它使用了哪些证据，以及在人类评审结果前通过了哪些检查。
编码代理验证控制
代理编写的代码需要质量门禁来检查测试实际断言的内容，需要修复循环把有针对性的执行证据传回模型，也需要评估报告区分模型、harness、环境、验证器和技能的影响。共同的操作问题是虚假的信心：PR 可能包含断言很弱的测试，修复代理可能只能看到通过/失败反馈，而排行榜分数可能隐藏能让结果产生两位数百分点变化的 harness 选择。
编码代理正在被要求证明、审计并为自己的工作买单
当天的研究把编码代理当作需要审计轨迹、可执行检查和预算控制的系统。TrajAudit、EviACT 和 Verus-SpecGym 说明了重点：必须定位失败，证据必须过关，规范必须按用户意图接受测试。
代理工作流检查点
编码代理的落地现在需要在开发工作流里增加更小的控制点：在昂贵验证之前加修复门，为生成的规格做可执行检查，以及为工具访问和交接做结构测试。共同的压力很实际：团队需要知道哪个代理步骤失败了，某个声称的修复或规格是否通过了独立检查，以及 token 开销是否对应已接受的工作。
可执行证据主导智能体软件可靠性研究
当天最强的信号是面向智能体软件的可执行证据。论文用生成输入测试代码，用遥测诊断失败运行，并围绕技能或工具动作施加约束。现在，智能体输出要先有可检查的轨迹，团队才会信任它。
Execution Checks for Coding Agents
编码代理可靠性研究正在收敛到围绕生成代码、失败运行和可复用技能的几个小而可实现的检查。实际模式是在团队已经做出信任决策的地方收集执行证据：候选选择、重试指导或技能维护。
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。