From Code Review to Code Critique: Intent, Drift, and Spotlight for AI-Generated Diffs at Scale
从代码审查到代码评论：面向大规模 AI 生成差异的意图、漂移与聚光灯
🧭 AI 编码 Agent 审查 · 意图理解与漂移检测
Meta, USA · Concordia University, Montreal, Canada
提出意图预测、漂移检测和代码聚光灯三大机制，革新 AI 编码代理的代码审查流程
📌 工作参考价值（4 点）
- 意图预测用于生成式推荐：利用用户会话日志、历史行为等元数据推断搜索意图，动态调整推荐策略，提升生成内容的针对性。
- 漂移检测作为线上监控：通过回译（backtranslation）测量最终推荐结果与原始意图的语义偏移，设定阈值告警，防止模型“自由发挥”导致体验恶化。
- 聚光灯机制优化资源分配：对大量生成候选项进行重要性排序，仅对人眼或高成本模型暴露高优先级条目，大幅降低 token 消耗与人工审核成本。
- 主题分类体系迁移：参考论文的六主题分类（正确性、安全性等），构建推荐系统的质量评估框架，细粒度监控生成内容的多维度风险。