Coding Agents 在 RegretBench 上任务完成率 86.1% 但仅 15.2% 主动备份关键状态

该研究通过构建 RegretBench 基准测试发现，当前前沿 Coding Agents 虽能完成 86.1% 的任务，但在用户可能后悔未保留状态的节点前，仅有 15.2% 的代理会主动执行备份动作，证明高任务完成率并不等同于具备状态感知与保护能力。这一差距源于代理难以预测哪些修改会导致后续遗憾，因此作者提出了 BackUpper 插件层作为解决方案。

BackUpper 通过拦截所有工具调用，在修改前基于规则策略处理常见操作，并调用轻量级子代理处理复杂场景，其规则表还能随时间扩展。在 RegretBench 的 205 个可执行任务中，该方案覆盖了所有导致遗憾的操作节点，恢复状态的平均相似度达到 92.2%，且成本仅为每任务 0.014 美元，Token 消耗量比主代理自我备份基线减少 7 倍。当用户指定备份偏好时，系统能以 84.5% 的 F1 分数匹配人类标注的“值得保留”判断。

事实层面，该论文量化了 Agent 在状态管理上的盲区，并验证了低成本自动化备份的可行性；推断层面，这意味着未来 Agent 框架需将“可逆性”纳入核心设计而非事后补救；猜测层面，若此类机制成为标准配置，可能会显著降低企业级 AI 应用因误操作导致的回滚成本，但具体落地速度取决于主流 Agent 框架对插件层的集成意愿。