従来の直感では、解の検証は生成よりも容易であると考えられてきた。しかし今日のコーディングエージェントにおいて、この直感は逆転しつつある。基盤モデルの推論能力が向上し、エンジニアリングハーネスが洗練されるにつれ、複雑な候補解の生成はもはや困難ではなく、むしろそれらを確実に検証することがより難しい問題となっている。論文「検証の地平線：コーディングエージェントの報酬に銀の弾丸はない」は、Binghai Wangら12名の著者により2026年6月24日にarXivに投稿され、コーディングエージェントの報酬設計における中核的課題を探求している。
著者らは、我々が構築できるあらゆる検証器は人間の意図の代理に過ぎず、意図そのものでは決してないと指摘する。このため検証には二重の困難が伴う。第一に、意図は本質的に不完全にしか指定されないため、それが満たされたかを忠実に確認することは本質的に困難である。第二に、モデル訓練中の最適化が代理と意図の間のギャップを広げ、報酬ハッキングや信号飽和として現れる。これに対処するため、論文は検証信号の品質をスケーラビリティ、忠実性、堅牢性の三次元で特徴づけ、これら三つを同時に達成することが中心課題であると論じる。
研究はさらに四つの報酬構築を検討する。汎用コーディングタスク向けのテスト検証器、フロントエンドタスク向けのルーブリック検証器、実世界エージェントタスクにおけるユーザーを検証器とする方法、そして長期的タスク向けの自動エージェント検証器である。異なるタスクタイプとポリシー能力レベルにわたり、報酬設計の中核的課題と報酬信号をより効果的に活用する方法について詳細な分析と実験を行った。実験により、的を絞った検証設計が報酬ハッキングを効果的に抑制し、タスク完了品質を向上させ、複数の内部および公開ベンチマークで顕著な成果を達成することが示された。
これらの経験は共通して一つの核心的観察を指し示す。すなわち、ポリシー能力が向上し続ける限り、固定された報酬関数は有効であり続けることができない。検証は生成器と共に進化しなければならない。著者はファーストネームのアルファベット順に記載され、本研究は人工知能（cs.AI）および計算と言語（cs.CL）の分野に属する。本作業はコーディングエージェントの報酬設計に系統的な分析枠組みと実証的指針を提供し、検証戦略の動的適応の重要性を強調している。