用代码锁死模糊，把选择钉在事前

1问题

想象你让AI写一段代码：“用户登录时，如果密码错误超过3次就锁定账户”。这话听着清楚，但AI可能心里有自己的小算盘：它怎么定义“尝试”？是一次输入回车算一次，还是连失败带成功都算？它会不会在后台偷偷记录IP地址来扩大惩罚范围？最糟糕的情况是，AI默默选了一种解释，写好了代码，运行起来也没报错——因为没人规定到底哪种逻辑才是对的。直到有一天，业务方发现账号无缘无故被锁，才恍然大悟：AI当初压根没问过这个细节。这就是“未指定选择的静默执行”，模型在不确定的地方悄悄做主，而你根本不知道它选了哪条路。

2翻译

既然不能靠事后修补，那就在动工前把篱笆扎紧。作者的想法很直觉：光给一个例子没用，如果两个不同的逻辑对同一个例子都生效，那就没法区分。真正的手段是“制造对立”。

先把需求里那些模棱两可的地方一个个列出来，比如“什么是有效尝试”。然后，针对每一个疑点，让AI分别写出两套代码：一套逻辑A，一套逻辑B，其他部分完全一样，只有这一个疑点的处理方式不同。接着，找一组输入数据（比如特定的用户名和密码组合），同时跑这两套代码。只有当这两套代码跑出截然不同的结果时，这组输入才算“胜出”，我们把它叫做“分歧输入”。

这时候，人类观察员看一眼这两个结果，说：“我要第一个结果。”这个瞬间的决定被记下来，形成一份“决策钉”（Decision Pin）。它包含三个东西：那个有歧义的点、用来区分它的输入、以及最终选定的答案。这份钉子不仅约束当前任务，还能直接拿去测其他AI写的代码：只要新代码对这个输入的响应和“钉子”里定的一样，就算过关；不一样，就是违规。

来看看数据：在600个生成的测试套件里，竟然有42.7%的代码里找不到任何能区分歧义的单测——这意味着大部分时候AI都在盲人摸象。而用了新方法后，在40个任务的基准测试中，92.5%的歧义点都能找到这种“分歧输入”，且85-90%能锁定最终意图。更厉害的是，拿这703个独立生成的代码去检查，“决策钉”的判断准确率高达96-97%。也就是说，这套机制比单纯读文字规则准多了。有趣的是，反直觉的发现来了：虽然这套方法能抓出AI乱改逻辑的行为，但它并没有让最终生成的代码性能更好，只是更“听话”了。它防止了错误，但没有创造优化。

3核心概念

这个故事里有三个关键零件，缺一不可。

第一是“未指定点枚举”（Underspecified Points Enumeration）。这不是简单的QA问答，而是强迫AI暴露它的潜在假设。你得把那些没说透的规则，像剥洋葱一样列成清单。如果不列出这些点，你就不知道该钉住什么。

第二是“双生实现与分歧捕获”（Dual Implementation & Discrepancy Capture）。这是核心的操作机制。不要只让AI生成一个版本，要让它生成两个“孪生兄弟”版本，只在疑似歧义处不同。然后通过执行对比，筛选出能让两者表现不一致的输入数据。这就好比法官审案，不是听双方陈述，而是看他们是否会在特定证据下给出相反判决。这里的关键设计选择是：必须使用“可丢弃的实现”（throwaway implementations），不需要持久保存这两份代码，只需要利用它们的执行差异来定位输入，降低了算力成本。

第三是“决策钉”（Decision Pins）。这是最终产出的结构体。它不是一个模糊的自然语言文档，而是一个精确的可执行记录：记录了【争议点】+【判别输入】+【选定输出】。之所以叫“钉”，是因为一旦敲下去，后续的所有代码生成都必须在这个框架内行事，不得越界修改已确定的边界条件。

4洞见

模糊性不是靠更多的描述来解决的，而是靠强制性的行为对立和即时确认来解决的；先锁死边界，再允许自由发挥。

5博导审稿

选题眼光：切得很准。现在的大模型代码生成最大的痛点不是不会写，而是“幻觉性自洽”——自己编规则还信以为自己是对的。这个问题非常真实，且随着模型能力增强，隐式决策会越来越隐蔽。

方法成熟度：逻辑严密，但有一个根本预设值得商榷：假设“存在一对实现能在所有歧义点上产生行为差异”。有些歧义可能是语义层面的，而非行为层面的，或者需要极端的边界条件才能触发，这在通用软件中很难穷举。另外，文中承认“冲突案例太少，无法评估回归步骤”，这是个硬伤。如果你的方法依赖于极少数冲突案例来工作，那么当模型变得更复杂、冲突更少发生时，这套方法的边际效用会下降。作者没讨论这一点。

实验诚意：数字很漂亮，特别是96-97%的一致性。但要注意，这是在受控基准上跑的，实际工程中，人工筛选“分歧输入”的成本极高。而且，仅仅保证“不违反既定决策”是不够的，读者可能会问：如果既定决策本身就是错的怎么办？论文默认人类判断永远正确，这点太天真。

写作功力：清晰，克制，没有废话。摘要直接抛出数据和核心流程，很干脆。

判决：Weak Accept。这是一个优秀的工程修补方案，解决了具体痛点，但理论深度有限，且对“人性正确性”的依赖构成了隐性风险。

6启发

这意味着你可以___

1. 迁移：在你的LLM Agent系统或自动化重构工具中，引入“分歧验证器”。在自动提交代码前，强制生成两个微小变体进行对比测试，捕捉潜在的逻辑漂移。2. 混搭：将你现有的自然语言需求文档，通过“未指定点枚举”转化为结构化的“决策钉”列表。把这些列表作为System Prompt的一部分注入模型，而不是散落在上下文里。3. 反转：通常我们认为Prompt写得越详细越好。这篇论文反向证明：详细的自然语言反而可能引发静默歧义。与其堆砌文字，不如专注于构建能触发逻辑分叉的“对抗性输入集”。少写字，多造冲突场景。