今天的主题很集中：AI系统开始从“会生成”走向“可验证、可约束、可接入真实流程”。最有证据力度的，不是更高模型分数，而是反馈回路、测试绑定和执行层防线。一个最强信号来自低资源代码能力。USC的Idris研究表明，给GPT-5更多文档帮助有限，但把编译器报错接入循环后，56道题的成功率可从39%拉到96%。这类结果很重要，因为它说明在规则明确的任务里，外部可验证器能直接放大模型能力。
今天的研究焦点很集中：代码与软件工程方向继续升温，但大家讨论的已不只是“模型更会写代码”，而是“过程是否可学、结果是否可验、执行是否可审计”。最强的一条线是过程监督。一类工作开始反思，静态仓库快照并不能代表真实开发。UnderstandingbyReconstruction把仓库反向展开成需求、规划、读取、编写和调试轨迹，再用这些轨迹继续预训练模型。另一类工作则直接奖励中间执行状态。
今天的软件工程方向很集中：大家不再只比谁更会写代码，而是开始补齐代码智能体在真实任务、验证闭环和生产落地上的短板。主要观察-评测变难了。BeyondSWE把任务从单仓库局部修复，扩展到跨仓库、领域知识、依赖迁移和从文档生成仓库。结果显示，当前模型在更真实任务上的成功率仍偏低。-验证正在前移。从编译骨架、概率式回归测试，到变更感知的GUI差分测试，研究重点正从“生成答案”转向“证明它没坏”。
本窗口有足够证据支持 4 个“why now”方向，集中在三类新变化：一是可验证反馈已被证明能直接放大代码代理能力，而不只是补文档；二是验证和安全开始前移到 PR 与发布入口；三是代理一旦接入执行与支付，瓶颈就转向执行层控制、授权链路和制度摩擦。…
基于趋势快照与本地语料核验，本窗口内有 4 个较强的 why-now 机会，集中在两类变化：一是代码智能开始能系统利用“过程”而非仅利用最终代码；二是软件代理开始被当作可验证、可审计、可控副作用的工程系统来设计。 机会判断里最强的证据来自 4 篇材料： Understanding by Reconstruction：证明开发轨迹可以被规模化重建，并对代码与长上下文能力带来提升。…