ExecCritic（arXiv 2609.09133，9 月 9 日周三 digest）针对 coding agent 的「假信心」失效：测试与补丁同轨迹写出、错误彼此一致，执行反馈全绿但行为是错的。test-verify-revise 脚手架拆开角色：Test agent 独立生成仓库原生测试，fail-closed harness 审定并冻结，Repair agent 按执行反馈改源码且不许改测试。两个角色都用 Qwen-3.5-35B-A3B 骨干、分别做角色专属 RL；在 Learn-to-Test 与执行反馈基准上优于单轨迹 agent。
ExecCritic 把写测试与修复解耦，两边都用 RL 训练
2026-09-10前沿观察TRIAL
ExecCritic（arXiv 2609.09133，9 月 9 日周三 digest）针对 coding agent 的「假信心」失效：测试与补丁同轨迹写出、错误彼此一致，执行反馈全绿但行为是错的。test-verify-revise 脚手架拆开角色：Test agent 独立生成仓库原生测试，fail-closed harness 审定并冻结，Repair agent 按执行反馈改源码且不许改测试。两个角色都用 Qwen-3.5-35B-A3B 骨干、分别做角色专属 RL；在 Learn-to-Test 与执行反馈基准上优于单轨迹 agent。
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
跑 agentic CI 的人对「同一轨迹写测试又写补丁」的失效都不陌生。不用 RL 也能采用脚手架模式：让测试生成与修复走不同上下文即可消除相关错误失效；fail-closed 冻结是一条策略配置。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| ArXiv | 2609.09133，2026 年 9 月 9 日周三 digest |
|---|---|
| 脚手架 | Test agent -> fail-closed 审定/冻结 -> Repair agent（不许改测试） |
| 训练 | 两角色 Qwen-3.5-35B-A3B，角色专属 RL 分别训练 |
技术影响 3
工程价值 4
采用信号 2
成熟度 2
验证成本 2
风险 1