Dynamic Cogeneration：共同生成修复与复现测试¶

component_only / L1 机制诊断。实现测试验证及选择器，没有实现或宣称 Passerine 生成 Agent 的能力。完整实验：成本过高，不复现（审查 DONE）。

论文信息¶

字段	内容
论文链接	arXiv 2601.19066，本地机制按 v1 §3.2–3.3 核对
公司/机构	一作 Runxiang Cheng，Google
首次公开日期	2026-01-27 01:02:57 UTC（v1；不是本轮新发）
原文开源代码	已审读正文及官方条目未找到作者 Passerine 实现；不能把输入/引用仓库当源码
本地 Adapter	无（`adapter: null`）；独立组件 `dynamic-brt`
本地复现代码	`src/auto_research/agent_research/google16_dynamic_brt.py`

原始论文总结¶

背景与主要改动¶

论文让修复和 BRT 留在同一条轨迹；TDD、TLD、Freeform 改变生成顺序。BRT 必须在原 bug 上失败、生成修复上通过。选择器按非测试修复归组，避免不同测试拆散同一修复的票数；ranked 在多数修复组内优先保留测试。原文 §3

flowchart LR
    P[同一轨迹的fix与BRT] --> B[原bug执行BRT]
    P --> A[生成fix执行BRT与回归]
    B --> V[保留真实assertion失败到通过]
    A --> V
    V --> G[归一化非测试fix后多数归组]
    G --> S[ranked组内优先BRT / dual分层]

原论文关键图¶

原论文 v1 Figure 1，第4页流程图截图；版权归作者，本地仅实现验证及选择器，不包含图中完整生成Agent。截图来源记录

图片来自原论文，版权归原作者所有。

核心公式¶

\[ \mathrm{candidateBRT}(f,t)=[t(b)=\mathrm{fail}]\land[t(f)=\mathrm{pass}]. \]

这不是 plausibleBRT：后者还需要对隔离 oracle 修复执行。本地没有 oracle，不把生成修复与自生成测试相互吻合称作正确修复。

论文离线与线上效果¶

原文私有 120 个 Google bug；best selector 的 fix+BRT precision/recall 为 0.16/0.71，默认为 0.08/0.57。内部部署不等于量化生产 A/B，本条不按工业线上效果纳入。§5.3

本地复现¶

PYTHONPATH=src python -m pytest tests/test_google16_dynamic_brt.py

数据协议与结果¶

11 项单元测试已通过。自建 increment 算术实例真实启动独立 Python 子进程，观察 assertion_failed → passed；恒真测试、异常而非断言失败、未通过回归的修复均不接纳。ranked 与 dual 的不同选项已通过多数分组实例验证。诊断指标

这些是人工机制实例，不是模型生成、Google 基准、成功率比较或 Evolve 证据。semantic_reviewer_observed=false 表示没有实际 LLM reviewer；提供回调后会真正执行并可拒绝，而不是默认捏造“审查通过”。

代码映射与边界¶

execute_subset 只支持已验证 AST 白名单的公开函数、有限整数算术、条件和非空断言；禁止 import、属性访问、文件/网络/外部程序、循环和幂运算。每对代码/测试重新启动 -I -S 进程，CPU 1 秒、wall 2 秒并回收进程组；Linux 另限地址空间 256 MiB。Mac 不宣称该内存限制可用。这不是任意恶意代码的通用安全沙箱，不接受下载仓库执行。

normalized_implementation 保留常数/操作符但启发式归一化标识符，不是语义等价证明。review_patch 和 reviewer 不接收 gold fix；select_patch 仅接受已有审核结果。TDD/TLD/Freeform 提案生成与 spec/smell LLM reviewers未运行。

成本决定¶

原配置 5×120×20 条轨迹、每条最多 25 步，且使用私有 monorepo 与 Gemini 2.5 Pro；最多约 300,000 Agent 步（配置推算，非实测）。单张 A100/A30 或 Mac 不跑完整 campaign；成本过高，不复现（审查 DONE），不自动重试。