跨提供商审查契约试点：20 组仅 8 次发现

Bowen Xu、Boyu Chen 发表论文，提出一种“跨提供商审查”运行时契约：由不同资源池的第二个编码智能体审查已完成答案，具备有界执行、受限审查能力和显式失败状态。20 组配对开发轮次中，8 次出现实质性审查发现（95% 精确区间 19.1%–63.9%）。 作者称边界条件扫描复现了部分输入下的假成功（四个截断级别此前通过、修复后失败），并修复了进程回收期间的取消问题。在真实 CLI 探测中，Claude 无写入工具；Codex 在五次只读试验中五次尝试写入，每次写入工具均失败，无一次性仓库被改动。作者称这些测试仅覆盖指定路径和版本，不代表实际可靠性。 作者还称，一项预注册的仅元数据审查分配影子研究累计 25 条正式观察后，精确运行时回归发现第三个缺陷：审查者以非零状态退出但给出格式良好的判定时被计为完成。这 25 条正式记录和 2 条待定记录保留为审计队列；测量有效队列已从零重启并开始收集。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。