从代码审查到代码批评：人工智能生成的大规模差异的意图、偏差和焦点

AI编码智能体生成的代码量已超过传统同行审查能力，而现有AI审查工具过度关注风格和最佳实践等低价值建议，对人工最关注的正确性、安全性与性能关注不足。本文提出ARCTIC，一个AI代码批判系统，围绕三项能力组织审查：根据对话日志与元数据推断修改意图；通过反向翻译测量开发者意图与智能体输出的偏差；给代码差异中最需人工检查的区域排序。功能依据来自18000次代码审查的六主题分类。离线评估中，意图预测F1为0.86，漂移检测与人工标注的加权一致性QWK为0.907；代码聚焦的质量估计效果为AI审查基线的2.4倍，词元用量为其五分之一。在试验部署中，漂移分数使代码与意图不一致额外减少5.76分（p=0.026），意图预测获得90.2%认可；上线以来，尚未有缺陷被归因于经过自审的代码变更。