Self-Spec Verifiable Code Generation

VeriCodeBench 评测自生成规范的可验证代码能力，覆盖 C、Java、Rust、Python 400 个语言原生问题。CodeNova 通过约束引导规范与验证反馈修复提升表现，使 Claude Sonnet 5 在自规范协议下达最强结果。自生成规范仍是主要瓶颈，更复杂规范未必提高验证成功率。