Un estudio demuestra que aplicar controles de ingeniería tradicionales, como políticas de acceso y convenciones estrictas, a los agentes de codificación mejora significativamente la supervisión humana escalable en comparación con enfoques no restringidos.
- Los investigadores implementaron un sustrato restringido con una CLI `docs` de ~200 líneas para bases de código Python que contenían 11 puertas traseras insertadas.
- Un modelo revisor pequeño (Gemma 4 e4b) logró una tasa de recuperación del 90,9% utilizando el sistema restringido, frente al 54,5% en escenarios no restringidos sin herramientas.
- El experimento mostró que tanto el sustrato como las herramientas contribuyeron independientemente a la mejora en las capacidades de detección.
Este enfoque ofrece una alternativa más económica a los métodos recientes de andamiaje agéntico al aprovechar principios establecidos de gestión de equipos para la supervisión automatizada.