arXiv · Software Engineering· Junyu Guo, Shangding Gu, Ming Jin, Javad Lavaei·2026-10-02 12:00· 2 小时前精选AI 评分62

Groundability, Not Scale Alone: When Weak Reviewers Can Audit Strong Coding Agents

AI 导读

论文研究弱评审能否可靠判断强编码代理的补丁是否解决问题，基于411条执行标注轨迹和101个受控案例。在154条GPT-5.4轨迹上，结构化但未校验的证据同时提升缺陷捕获与误拒率；官方执行证据作为上限诊断后，6位评审中5位在122条留存轨迹上同时改善两项指标，2位全对。

推荐理由

研究指出结构化证据能提升弱评审对强编码代理的缺陷捕获率，但误拒和缺乏官方测试仍是主要瓶颈。