代码代理正在围绕可执行反馈和明确的运行限制构建
这一天最强的信号是带有可执行检查的实用代码代理工作。FrontierSmith 和 DIO-Agent 用评分或执行错误，把编码任务变得更难，也更有用。Orchard 在沙箱规模上展示了同样的需求。安全类论文把权限和第三方技能变成了核心设计问题。
主题概况
Program Synthesis
代码代理验证控制
代码代理工作正在收敛到团队现在就能构建和测试的运行控制：用于上线和资格判定的沙箱服务、针对 shell 访问和技能的按任务权限门控，以及带有可度量检索和文档质量的仓库上下文系统。共同的采用障碍是在真实工作流约束下完成验证。
当软件代理的工作可执行且访问范围受限时，它们表现最好
当天最强的软件代理论文都让大语言模型 (LLMs) 先提出代码、计划或动作，再用执行、验证器、检索门控或实时工具检查它们。ReaComp、Slyp 和 ARC-AGI-3 展示了同一个当前重点：代理输出需要可测试的底座和受限的操作范围。
有边界的代理执行
三个实用变化很突出：在共享企业代理的检索和工具循环里强制授权；把新服务创建导向已批准的 Backstage 模板；把重复的程序综合工作编译成可复用的符号求解器。每一种都给代理加了明确边界和可测检查。