编码智能体的验证失败如何转化为可复用指导

研究将专家对验证失败的诊断转化为可复用指导，结合 K 框架的可执行语言定义与规范构建、补全证明及审计工具包。在 HumanEval 164 个 Python 任务上，经两次针对性修复后 AI 审计 Pass 率达 164/164；KleverBench 测试 31 个操作符语义变更的程序，结果混合，提示需在资源限制下选择有效指导。