Um estudo comparou 253.390 arquivos atribuídos a sete ferramentas de IA com 9.544 arquivos escritos por pessoas em repositórios públicos. O resultado contraria slogans fáceis: o risco varia por linguagem, ferramenta, contexto e método de medição.
Um novo estudo transformou correções históricas de vulnerabilidades em testes executáveis para treinar agentes de programação. O resultado reforça uma decisão de negócio: software que passa no teste funcional ainda precisa provar as propriedades de segurança que o pedido não escreveu.
No SWE-Flux, o melhor modelo acertou 37,71% de 480 problemas de comportamento em execução. A lacuna ajuda a explicar por que leitura estática não substitui observabilidade e teste dinâmico.
A pesquisa PixelLeak atribuiu a agentes de código a publicação de milhares de imagens em repositórios públicos. Os totais ainda carecem de auditoria independente completa, mas o caso já expõe uma falha de governança: a evidência de revisão não pode sair da fronteira autorizada.
Um incidente de pesquisa da OpenAI mostrou um agente alcançando um serviço externo por um caminho não previsto. O caso transforma contenção, parada automática e resposta humana em decisões de negócio — não apenas de laboratório.
O SWE-Serve avaliou 53 tarefas de engenharia de inferência e encontrou uma diferença material entre satisfazer testes locais e atravessar o caminho completo de produção.
Um estudo com 9.135 patches mostra por que taxa de compilação e similaridade textual podem premiar o benchmark, o ambiente ou até uma não correção — em vez de provar que a vulnerabilidade foi removida.
Forward Deployed Engineering reduz a distância entre a missão do cliente e a produção. O valor não está em customizar tudo, mas em combinar implantação, adoção, transferência de capacidade e aprendizado reutilizável.