当天最强的信号很简单：研究正在收紧 AI 编码和分析系统周围的控制回路。最好的论文把验证、类型化失败信号或可执行检查放到智能体原本会猜测的位置。Resilient Write 给出了最清楚的系统结果，而 Verify Before You Fix 和规格推断工作显示出同样的偏好：在安全和测试中先做有证据支撑的动作。
安全论文正在在智能体采取诊断行动之前加入明确检查。Verify Before You Fix 要求在修复前先提供执行证据。这样把不必要的修复减少了 73.13%，在完整流水线中移除了 61.24% 的误报，同时端到端解决了 69.74% 的漏洞。VulWeaver 通过修复缺失的程序语义并提取更广的上下文，改进了前面的分析步骤本身；它在 PrimeVul4J 上报告 F1 为 0.75，在 C/C++ 上 F1 为 0.78，并在九个 Java 项目中发现了 26 个真实漏洞，其中 15 个得到开发者确认。
一个最清楚的工程结果出现在模型层之下。Resilient Write 把文件变更当作容易失败的系统边界，并加入六道保护：风险评分、原子写入、可恢复分块、类型化错误、临时存储和跨会话交接。在报告的案例研究中，写入尝试从 6 次降到 2 次。一个朴素基线的恢复时间从 10.0 秒降到 2.0 秒，估计的数据丢失概率降到 0.1%，自我纠错率升到 65%。这符合语料中的近期模式：智能体质量取决于模型周围工具链的可靠性，而不只是更好的提示词。
另一个强势主题是通过生成测试进行验证。规格推断论文用 LLM 为可疑后置条件编写反例 JUnit 测试，然后在扩展后的测试集上重新运行推断。在 43 个 Java 方法上，GPT-5.1 移除了 1,877 条无效断言，并在不损失召回率的情况下把精度提高到 74.17%；DeepSeek-R1 移除了 2,173 条无效断言。一篇更广泛的综述论文在学科层面给出同样的判断：软件工程工作现在更集中在意图、编排和系统化验证上，因为代码生成很容易触发，但没有检查就很难信任。