Um estudo demonstra que aplicar controles de engenharia tradicionais, como políticas de acesso e convenções estritas, a agentes de codificação melhora significativamente a supervisão humana escalável em comparação com abordagens sem restrições.
- Os pesquisadores implementaram um substrato restrito com uma CLI `docs` de ~200 linhas para bases de código Python contendo 11 backdoors inseridos.
- Um modelo revisor pequeno (Gemma 4 e4b) alcançou uma taxa de recall de 90,9% usando o sistema restrito, ante 54,5% em cenários sem restrições sem ferramentas.
- O experimento mostrou que tanto o substrato quanto as ferramentas contribuíram independentemente para a melhoria nas capacidades de detecção.
Esta abordagem oferece uma alternativa mais barata aos métodos recentes de scaffolding agêntico ao alavancar princípios estabelecidos de gestão de equipes para supervisão automatizada.