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
Test Generation
代理式代码审查防护措施
编码代理的采用已经带来可衡量的审查压力：一项企业研究发现，拉取请求吞吐量翻倍，审查者负载约翻倍。实际应对方式是在拉取请求历史、DevOps 操作边界，以及与代码变更绑定的测试周围加入更具体的验证。
团队信任自主性之前，编码代理现在需要运行时证明
本周的编码代理研究把信任作为运营问题处理。较强的工作要求在接受更长时间的自主编码前，先提供当前状态、可执行检查、隐藏测试和可审查轨迹。
编码代理运行时护栏
编码代理的采用正在转向具体的运行时控制：文件访问门禁、隐藏行为测试、变异检查，以及带终止状态的任务包。务实的起点是在授予更大自主权之前，通过执行轨迹和外部验证，让代理输出可供评审。
Coding agents are being judged by the evidence they leave behind
当前重点是：coding-agent 工作正在把进展绑定到可检查的证据上。P2T 组织修复步骤，SWE-Mutation 测试生成的测试能否抓住真实 bug，MOSS 在源代码更新前重放生产故障。
编码代理验证轨迹
编码代理的采用现在需要保留结果背后证据的检查：生成测试要看突变体是否存活，拉取请求要看审查上下文和重构风险，已部署代理的源代码级更新要回放用户失败。
可执行检查正在给软件代理设定门槛
5 月 5 日的软件 AI 论文把大语言模型（LLM）放到可执行检查下。MOSAIC-Bench 暴露了分阶段编码代理的漏洞。TDD-Bench-Java 和 PoVSmith 检验生成的产物是否会失败、通过、编译，或者触发真实 bug。
Executable Validation for Agent-Written Java Code
可执行测试正在成为代理编写代码的实际控制点。最清楚的流程变化是：多票据代理工作的累计安全审查、用于依赖分诊的自动生成 JUnit 漏洞证明测试，以及在接受 Java issue 修复前先做 fail-to-pass 复现测试。
Coding-agent research is tightening control over generation and verification
这一天最强的工作都在让 AI 编码更可用，方法是收窄模型可以自由发挥的范围，并增加针对真实行为运行的检查。测试生成、静态分析和运行时监控都变得更有结构。核心思路很直接：让模型提出方案，把约束、执行反馈和验证产物承担更多安全关键工作。
Postgeneration Verification Controls
最清楚的近期开发布局，是给模型允许产出的内容加上硬约束，并在生成后继续保留验证。这里最具体的三个例子，是用于静态分析聊天的类型化中间层、从现有测试合成的运行时语义检查器，以及把一个可信测试扩展成场景变体并进行修复和验证的仓库测试机器人。
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。