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
Repository Context
与验证失败和运行框架变更关联的编码代理控制
可以将仓库探索推迟到验证发现具体知识缺口之后，从而减少不必要的上下文，同时保留深入修复的路径。另一方面，运行框架升级需要配套的安全回归测试，因为交互层的变化可能导致同一个模型对不安全操作的拦截或执行结果发生逆转。
编码代理工作流中的仓库上下文检查
应将仓库上下文作为运行依赖进行测试。实际可采取的改动包括：对检索进行故障注入，在代码完成前设置安全专用上下文门禁，以及在基础设施证据缺失或过时时明确升级处理。
编码智能体正被作为受控生产软件来评判
本周的研究把大型语言模型（LLM）智能体视为生产软件。最有力的工作把任务成功与上下文恢复、产物交付、成本核算、权限边界和凭据安全联系起来。DeepDiscovery、EnterpriseClawBench 和 Rel(AI)Build 提供了最清晰的证据。
编程智能体发布门禁
编程智能体工作正在进入与其他生产软件相同的评审路径：代码库上下文必须被衡量，智能体配置需要负责人和权限检查，评估需要覆盖后续编辑、工具故障、制品交付、运行时间和成本。
完整运行循环定义代理式代码评估
当天最强的信号是面向代码代理的操作性评估。论文测试反馈轮次、harness 修复、有状态记忆，以及在接近部署条件下的仓库知识。实际问题是：当轨迹、UI 测试、提交记录或重复任务里出现证据后，代理是否会变得更好。
Coding Agent Feedback Loops
编码代理评估在记录完整运行循环后更有用：请求、轨迹、反馈、harness 变更和下一次尝试。实际工作是围绕失败轨迹、浏览器可见的 UI 行为，以及经过测量的仓库记忆做小型评估器，然后再把代理使用范围扩大到更多团队。
编码 agent 正在作为受控执行接受测试
当前重点：编码 agent 按运行方式、修复能力和边界内行为来评判。A-ProS 展示了有状态评审反馈带来的提升。ProcBench 对轨迹中的过程缺陷打分。OverEager-Bench 衡量 benign 任务中的未授权动作。
编码代理执行控制
编码代理团队可以把运行时范围、轨迹质量和文件选择分开测试。证据支持在更广泛部署前先做几项实操检查：捕捉越界动作、给代理日志里的流程缺陷打分，以及在迭代修复前缩小修复上下文。
编码代理的进步来自更紧的反馈循环和更严格的证据
这一时期最清楚的信号是，编码研究正在围绕证据、上下文和反馈收紧控制回路。CollabCoder、仓库压缩研究，以及 SAP HANA 测试生成论文都显示出同一条实用规则：更好的结果来自更有选择性的引导和更严格的检查，而不是让代理在没有约束的情况下跑更久。最强的论文用通过率、延迟或 mutation score 的具体提升支撑了这个判断。
Controlled agent feedback loops
这些证据里能用的模式是：更严格地控制代理能看到什么、下一步尝试哪种修复、以及如何判断输出。仓库工具可以在生成前压缩上下文，因为被引用的研究显示，选择性压缩同时改善了质量和延迟。基于测试的编码循环可以把失败导向计划修复或代码修复，因为这个决定提高了通过率，也减少了重试。生成测试需要在未见过的代码库上使用 mutation score 作为门槛，因为公共基准上的成绩没有延续到 SAP HANA，而单靠编译反馈会奖励更弱的测试。
真实仓库证据是当前代码代理仍然达不到的标准
这一天最强的信号是，代码研究正在收紧到可在真实仓库中核查的证据上。CodeSpecBench、R²Eval 和 Ace 从不同角度指向同一个限制：语义理解、仓库上下文和团队协调，比原始生成速度更能限制当前代码代理的能力。