知识卡片：循环不等于可靠性：面向智能代码修复的状态绑定证据与类型化修订契约

一句话结论

生成-测试-修订循环本身不提供可靠性保证；在修复过程中，维持当前验证状态比重复循环更重要，陈旧痕迹会显著损害正确修复，而证据绑定的类型化契约机制可在不提升修复能力的前提下确保可审计的可靠提交。

事件概述或研究问题

本文研究编码智能体在生成-测试-修订循环中“找到正确补丁”与“保留、验证、提交正确补丁”之间的差距。具体问题是：仅仅增加循环次数能否带来可靠性？重复过程中，旧版本验证痕迹（stale traces）对最终提交正确性的影响有多大？如何从契约层面确保修复过程的可靠性？

方法/产品要点

实验设计：30个HumanEval修复任务，5个随机种子，产生900条三次修订轨迹；强制修订条件下，计量每次修订后的当前正确率与曾经正确率。
共同状态研究（common-state studies）：使用2,430条分支，来自同一冻结程序，消除治疗后风险集偏倚。
预设14B复制实验：对比陈旧痕迹与当前痕迹对正确启动（correct start）的损害。
前瞻性540次展开策略：测试消除正确启动损害的同时不影响错误启动修复的联合标准。
仓库实验：24个bug，4种编码器堆栈，观察地板效应与组件异质性。
理论贡献：分离了五个概念——接纳（admission）、保存（preservation）、基础认证（grounded certification）、能力（competence）和活性（liveness），并推导出证据绑定类型化循环契约（evidence-bound typed loop contract），其机械可强制执行子集在参考实现中实例化：将验证器证据绑定到确切代码状态、保存已验证检查点、发出可审计的接纳收据。

主要结果或产业意义

强制修订下，当前正确率从一次修订后的0.820降至两次修订后的0.673，尽管“曾经正确”率升至0.847（说明正确补丁出现过但未保留）。
在预设复制中，陈旧痕迹导致34/135的正确启动被损害，而当前痕迹仅损害4/135，增加22.2个百分点（任务聚类95% CI [8.9,37.0]，Holm精确p=0.0337）。
前瞻性策略虽然消除了正确启动损害，但减少了错误启动修复且未通过联合标准。
仓库实验未观察到Holm显著效果，但揭示了地板效应和组件异质性。
参考实现是可执行规范与一致性工件，本身不提供修复能力改进或验证器依赖校准的证据。

为什么重要

揭示了当前代码修复智能体普遍依赖的“多轮生成-测试”循环的固有缺陷：循环次数与可靠性无直接关系，陈旧验证痕迹会系统性破坏已找到的正确修复。
提出了一个形式化契约框架，将修复过程的可靠性从“结果验证”下放到“过程状态绑定”，为可审计、可追溯的代码修复系统提供了理论基础。
与已有卡片（形式而非内容？对冻结小代码模型自修复的安慰剂对照评估）互补：前者聚焦错误内容本身是否带来解锁优势（结论是否定），本文则进一步展示即便找到了正确补丁，循环本身也无法保证其被保留和提交，强调了状态管理而非内容改进的关键性。

局限与不确定性

参考实现仅是规范与一致性工件，未证明能提升修复能力或校准验证器依赖。
前瞻性策略在消除正确启动损害的同时，牺牲了错误启动修复效果，联合标准未通过。
仓库实验中的非显著结果提示，该方法在复杂仓库环境下可能受地板效应和组件异质性影响。
实验仅基于HumanEval（30个修复）和24个bug的仓库环境，泛化性需进一步验证。

可用于图书/PPT/简报的角度

“循环陷阱”：用数据（0.820→0.673）直观说明循环增加反而降低当前正确率，适合展示“直觉不可靠”案例。
“痕迹污染”：陈旧痕迹危害比无痕迹更糟（34 vs 4），可作为软件测试与运维中“保持环境新鲜”的论据。
契约设计：证据绑定循环契约可作为形式化方法在AI工程中的实际应用示例，适合高级软件工程或AI安全主题。

与既有脉络的关系

已有相关卡片“形式而非内容？对冻结小代码模型中基于提示与权重的学习型错误条件自修复进行预注册安慰剂对照评估”主要结论是错误内容本身不带来解锁优势（提示通道中内容消融安慰剂甚至略优）。本文进一步指出，即使假设错误内容有帮助，循环过程中的陈旧痕迹也会破坏正确修复——这是对“自修复为何不可靠”的补充解释，即问题不仅在于“能不能找到正确补丁”，还在于“能不能保留信任”。

原始材料

标题：Looping Is Not Reliability: State-Bound Evidence and Typed Revision Contracts for Agentic Code Repair
作者：Xueping Gao, Jianwei Yang, Qiang Yang
发布/更新：2026-07-27
类别：cs.CL, cs.AI
arXiv ID：2607.24604v1
摘要链接：https://arxiv.org/abs/2607.24604v1
PDF链接：https://arxiv.org/pdf/2607.24604v1
英文关键词：agentic code repair, generate-test-revise loop, reliability, state-bound evidence, typed revision contracts, verification evidence, correctness retention