Makale, yapay zekanın ürettiği kodu kendi kendine incelemesini yapısal olarak zayıf kılan iki boşluğu çerçeveliyor

İki boşluk çerçevesi

15 Eylül 2026'da yayınlanan bir dev.io yazısı, Krentzel, Agarwal, Cemri, Zaharia ve Stoica imzalı yeni bir arXiv makalesini ("Reality Is the Final Verifier: On Two Key Gaps in Agentic Software Engineering", arXiv 2609.12039) ele alıyor. dev.to'nun aktardığına göre makalenin temel fikri şöyle: Yapay zeka tarafından yazılan kodun her değerlendiricisi — bir test paketi, bir inceleme modeli, bir insan — iki yaklaşımdan hareketle çalışır ve her birinin gerçeğe uzaklığı, değerlendirmenin tamamının tavanını belirler.

İlki gereksinim boşluğu: paydaşların gerçekten istediği ile yazılı gereksinimlerin söylediği arasındaki mesafe. İkincisi model boşluğu: varsayılan dağıtım ortamı ile kodun gerçekte çalışacağı ortam arasındaki mesafe. dev.to özetine göre halüsinasyon her iki boşluğu da gereksinimler veya ortam varsayımları uydurarak genişletirken, reward hacking ise her iki boşluğun da belirsiz bıraktığı alanları istismar eder.

Kendi kendine inceleme neden yapısal olarak zayıf

Kendi kendine inceleme sorunu bu çerçeveden doğrudan çıkıyor. Her iki boşluk da, uygulamanın üzerine inşa edildiği aynı gereksinimler ve aynı ortam modeli kullanılarak ölçülür. Kodu yazan model dönüp onu değerlendirdiğinde, çıktıyı az önce kullandığı yaklaşımlara göre kontrol eder; böylece paydaş niyeti ve üretim koşullarına dair kör noktaları doğrudan incelemeye taşınır.

dev.to'ya göre pratikte bu, aynı modelden bir inceleyicinin yazarın zaten şüphelendiği sorunları işaretlerken, aynı hatalı varsayımları paylaştığı her şeyi onaylaması anlamına gelir. Sonuç doğrulama gibi görünür ama tek bir modelin tutarlılık kontrolü gibi davranır: Görünüşte güven veren, ancak modelin zaten görmeye yatkın olmadığı hataları tam olarak kaçıran bir kapsam.

Boşlukları gerçekten daraltan ne

dev.to yazısı, riski gerçekten azıran makaleden iki hamleyi öne çıkarıyor.

Çapraz model incelemesi: İkinci, bağımsız bir model gereksinimleri ve ortam varsayımlarını kendi başından türetir; farklı eğitim verisi, farklı ön kabuller ve farklı kör noktalar getirir. Bu, gereksinim boşluğunu kapatmaz — gereksinimler yaklaşımlar olarak kalır — ama yazar ile inceleyicinin dünyanın aynı yanlış resminde buluştuğı spesifik başarısızlık modunu kırar.

Yürütme: Makalenin başlığı argümanı taşıyor — gerçeklik tek nihai doğrulayıcıdır ve her dağıtım öncesi değerlendirme bir vekildir. Üretime yakın bir ortamda gerçekten çalışan bir test, değerlendiriciyi makul görünen bir hikaye yerine gözlemlenebilir davranışa bağlı olmaya zorlar; statik geçişlerin kaçırdığı davranışsal hataları yüzeye çıkuran da budur.

İnsan dikkati nereye sığıyor

dev.to'ya göre makale ayrıca bir kaynak tahsisi bakışı sunuyor: insan yargısı gereksinim boşluğu için kıt girdi, sadık ama pahalı değerlendirme ise model boşluğu için darboğazdır. Hiçbir ekip, agent'ların artık ürettiği hacimdeki koda yoğun insan incelemesi uygulayamayacağından, önerilen pipeline ucuz yapay zeka üretimi diff'leri bağımsız bir ilk geçiş için farklı bir modele yönlendirir, davranışsal hataları yakalamak için yürütmeye dayalı kontroller kullanır ve insan incelemesini her iki aşamadan da sağlam çıkan diff'lere saklar — bir saatlik dikkatin en çok karşılığını aldığı noktaya.

dev.to yazarı bir uyarı ekliyor: Aynı modelle inceleme işe yaramaz değil. Bir modelin bariz hatalarını yakalayan bir linter olarak gayet iyi çalışır. Basitçe doğrulama sanılmamalı.

Neden önemli

Agentic kodlama iş akışları, ekiplerin elle inceleyebileceğinden daha hızlı kod üretiyor ve bir modelin kendi işini kendisinin kontrol etmesi cazip bir varsayılan haline geliyor. Bu makale, o içgüdünün arkasındaki başarısızlık modunu adlandırıyor: Yazar ve inceleyici arasındaki paylaşılan yaklaşımlar, bağımsız kanıt olmadan uzlaşma üretiyor. İnceleme pipeline'ı tasarlayan ekipler artık — bağımsız modellerin, gerçek yürütmeye ve kıt insan yargısının her birinin nereye ait olduğuna karar vermek için bir sözlüğe sahip: gereksinim boşluğu ve model boşluğu. Aynı modelin daha fazla kopyasını döngüye eklemek, yeni bilgi eklemeden inceleme adımı ekliyor.