这一天最清楚的信号是，编码研究正在把生成、检索或自主行动之前的检查收紧。LogicLoc、REA-Coder 和 Zoro 都加了具体的控制点：对代码事实做结构化查询、做需求对齐循环、以及把规则执行绑定到计划步骤。共同重点很简单。更好的编码结果来自更强的中间证据，而不只是更强的基础模型。
仓库级编码工作对“理解”这件事的要求正在变严。LogicLoc 针对提示里没有文件名或标识符线索的情况，把请求转成对抽取出的程序事实的 Datalog 查询。论文里的例子要求找出参数超过 15 个的函数，并在 Astropy 中返回两个精确匹配。REA-Coder 在生成阶段也做同样的事。它在写代码前后检查模型是否理解了需求，然后在理解有偏差时重写任务。在 20 组模型-基准设置里，它超过了 8 个基线，在 CodeContests 和 CodeContests-raw 上提升尤其大。
控制正在成为编码代理里的一个显式层。Zoro 把项目规则文件变成和计划步骤绑定的主动检查。代理必须提交规则已被遵守的证据，对可测试规则还必须先提供单元测试，才能继续。报告结果是在标准 vibe coding 上，36 次会话里的规则遵守率提高了 57%。OpenAI 的 Codex 部署在更大的场景里指向同样的操作模式：代理基于一个连通的血缘、所有权、文档、仪表盘、权限和生产代码存储来工作，然后在调查事故或准备修复时公开自己的假设和引用。
代码检索正在从纯文本扩展出去。CodeMMR 把自然语言、代码和图像放进同一个嵌入空间，然后在网页、图表、SVG、图示和 UML 上测试检索。 在 MMCoIR 上，2B 模型达到 68.0 nDCG@10 和 65.4 Hit@1，领先 VLM2Vec-v2 和 GME 基线。按数据集拆开看更重要：Web2Code、Chart2Code、DATIKZv3 和 PlantUML 表现很强，而 MMSVG 仍然很难。这说明当前信号有实用价值，但不适用于所有情况。视觉对齐正在变得对代码搜索和代码 RAG 有用，但提升取决于工件类型。
验证工作正在把更多精力放在证明之前检查规格上。LeetProof 在 Lean 里用一套栈同时做基于性质的测试、自动验证条件和交互式证明。现有摘录里它最扎实的主张是，在 VERINA 上做规格推断时语义准确率达到 97.4%，同时还有证据表明 VERINA 和 CLEVER 里的大约 10% 参考规格有缺陷。这很重要，因为薄弱或错误的规格会让后续证明工作失去意义。这个结果也符合当天更大的方向：在代价高的搜索或修复之前，先做更紧的检查。