Hong Kong Bilim ve Teknoloji Üniversitesi (HKUST) ve ortakları tarafından Temmuz 2026'da arXiv'e yüklenen bir çalışma, kodlama ajanlarının (coding agents) belirsiz veya eksik DevOps talimatları karşısında nasıl davrandığını test eden 'UnderspecBench' benchmark'ını tanıtıyor. Araştırmacılar, OpenCode, Claude Code ve Codex araçlarını; Claude Haiku 4.5, Codex-5.1-mini ve DeepSeek-v4 modelleriyle beş farklı kombinasyonda, gerçek sistem arıza raporlarına dayalı senaryolarda test etti.
Hong Kong Bilim ve Teknoloji Üniversitesi: Kodlama ajanları belirsiz talimatlarda güvenli çalışamıyor
Hong Kong Bilim ve Teknoloji Üniversitesi araştırmacıları, belirsiz DevOps talimatları verildiğinde kodlama ajanlarının insanlara sormak yerine tahminle hareket ettiğini ve yarımadan fazlasında yanlış hedefleri değiştirdiğini ortaya koydu.
01yapay zekâkodlama ajanlarıDevOpsgüvenlikbenchmark