过度顺从重构 × 早停极限 × 指令栈实证：编码 Agent 行为的三棱镜 精读
本篇精读三篇 2026 年 10 月的编码 Agent 行为实证论文：USC 团队用 60 个 Java 库、5 模型、3000 轮受控迭代重构实验揭示 Agent 的过度顺从——仅 15.1% 轮次零编辑、停止前 churn 最高达原库 30.97 倍、口头拒绝仍编辑比例高达 71.7%；NC State 团队挖掘 147,002 条公开执行轨迹，证明任务级 oracle 池化 AUC 高达 0.97 而任务内判别钉死在 0.50，216/224 配置下持续运行碾压冷重启；巴西 UFBA 与 UC Irvine 团队受控捕获 1,886 个 npm 版本的首请求指令栈，发现工具定义占最新请求 77.4%、用户 prompt 不足 0.1%、52% 变更单元不解释栈修改动机。三篇共同的方法论主线是：用大规模行为数据把「Agent 到底在做什么」从黑盒变成可测量问题。