Double-Blind Adversarial LLM Code Review Pushes Bug Detection From 48% to Over 70%
GianniMariani · reddit · 2026-10-20
作者发现项目复杂后，测试全绿不代表没问题，让 LLM 自审只会得到「没问题」。他仿照制药行业的双盲临床试验设计了 DBASFR（Double-Blind Adversarial Split-Focus Review）协议：
- 双盲：剥离作者模型的推理痕迹和辩解笔记，评审模型不知道谁写的；多个评审并行隔离，避免「结盟」达成同样的幻觉共识。
- 对抗：不再问「这代码好不好」，而是命令评审唯一的任务是证明这个改动会坏，并给出具体可复现的失败路径。
- 分焦：放弃一个「全面评审」大 prompt，改为一个 agent 只盯状态/生命周期泄漏，另一个只管 API 契约。
效果立竿见影，结构性盲点的捕捉明显改善；作者引用研究称让评审「失明、多疑、敌对」能把人工验证的 bug 检出率从约 48% 提到 70% 以上。代价是 token 消耗快，作者通常限制为 2 个并行评审 agent。
More from coding & agent
- OpenJet claims Qwen3.8-27B coding runs 1.9x faster than llama.cpp on one RTX 3090 — JeremyCMorgan · 2026-10-23
- Building an autonomous SEO agent in Hermes with three skills: programmatic pages, Keywords Everywhere, DataForSEO — EXM7777 · 2026-10-23
- Building a sports betting AI agent with onchain execution and human approval by default: architecture and lessons — Dry-Comfortable-2678 · 2026-10-23
- Capy 0.5.0 lets Claude Pro/Max subscribers reuse their plan quota, adds OIDC cloud access — garrytan · 2026-10-23
- You.com CEO Richard Socher: legacy code is human slop, let AI clean it up — RichardSocher · 2026-10-23
- Let agents design a single-line glance component so you can track them from the sidebar — blixt · 2026-10-23