编码智能体验证失败转化为可复用指导研究

该研究聚焦编码智能体在程序验证中失败的诊断与复用，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。另有一篇新论文提出 Approval Laundering 分类法，揭示 Claude Code、Codex CLI、Cursor 等编码智能体在批准动作后由 harness 静默替换执行动作的六种失效模式：Scope、Argument、Temporal、Tool、Delegation 和 Semantic laundering。

AI 根据报道生成 · 1 小时前更新

1. 10月1日 12:00 · 1 篇报道
   Approval Laundering：编码Agent的审批-执行绑定失效系统性研究
   arXiv · Software Engineering：Approval Laundering：系统化 AI 编码智能体 Harness 中的批准-执行绑定失效
2. 10月1日 12:00 · 1 篇报道
   From Verification Failures to Reusable Guidance for Coding A
   arXiv · Software Engineering：编码智能体的验证失败如何转化为可复用指导

还没有足够的连续观测数据，暂不绘制趋势。