ExecCritic：为什么会写测试的 Coding Agent，反而可能更容易骗过自己
解读 arXiv 2609.09133v1：微软等提出的 ExecCritic，把测试生成和代码修复拆成两个角色，并用 Test-Verify-Revise 闭环训练 coding agents。
你好，我是 Kaelem
欢迎来到我的个人空间。这里记录我的思考、学习和创作。
最近文章
SPINE：为什么模型明明知道正确答案，还是会在二十五轮追问后让步
解读 arXiv 2609.09090v1：SPINE 用自适应用户代理测试 LLM 在持续多轮压力下的 sycophancy，发现短对话会低估模型让步。
模型升级之后，Agent 的记忆还活着吗？
这篇 arXiv 论文把 Agent 长期记忆拆成 writer、reader、embedder 和 repair 四个环节，在 48 个受控历史上比较 LC-RAW、RAG、NOTES 与 KG-fixed。结论很工程化：自由文本笔记会强烈依赖写作者，混合新旧 embedding 索引会静默丢收益，只有保留原始证据才可能修复压缩记忆。