這項由ETH蘇黎世聯邦理工學院、INSAIT蘇菲亞大學、加州大學伯克利分校共同完成的研究，於2026年7月以預印本形式發布，論文編號為arXiv:2607.13921，發表在電腦編程語言領域（cs.PL）。感興趣的讀者可通過該編號在arXiv上查閱完整論文。
一、當AI寫代碼遇上"亡羊補牢"的困境
程序員們有一個共同的經歷：寫了幾百行代碼，滿心期待地按下編譯按鈕，結果螢幕上噴出幾十條紅色報錯資訊。這時候你才意識到，問題早在第10行就埋下了，但後面那200行全是建立在這個錯誤假設上的廢物。這就是所謂的"錯誤雪球"效應——一個小錯誤，在沒人察覺的情況下不斷滾大，最終演變成一場災難。
現在，AI寫代碼遇到了同樣的問題，甚至更嚴重。當今最強大的AI大語言模型（可以理解為一種自動完成代碼的超級智能）在生成代碼時，是從左到右、一個字符一個字符地往外輸出的，就像一個人在寫作文時從第一個字寫到最後一個字，中間完全不回頭檢查。一旦寫出了一個錯誤的假設，後面所有的內容都可能建立在沙灘上。
研究團隊把目光投向了Rust這門編程語言。Rust是近年來極受追捧的系統編程語言，它最大的特點是有一套極其嚴格的安全規則——這套規則能在程序運行之前就發現潛在的內存安全問題。然而，正因為規則太嚴，AI在生成Rust代碼時頻繁"踩雷"，生成的代碼往往根本無法通過編譯器的檢查。
目前解決這個問題主要有兩條路。第一條路叫做"事後反饋"：等AI把整個代碼文件寫完，再拿去給編譯器（可以理解為檢查代碼合法性的裁判）檢查，如果不通過，就把錯誤資訊反饋給AI，讓它重來一遍。這條路最大的問題就是"亡羊補牢"——錯誤早就犯了，反饋卻來得太晚，AI可能已經在錯誤的基礎上又寫了幾百行代碼。第二條路叫做"約束解碼"：在AI每輸出一個字符的時候，就實時檢查這個字符能不能要，如果不合法就強制它換一個。這條路聽起來很美，但問題是它需要把Rust編譯器從頭到尾重新實現一遍，工程量極其龐大，而且完全不支持那些只對外提供接口、無法查看內部機制的商業AI（如GPT、Claude等）。
研究團隊的貢獻，就是找到了這兩條路之間那條幾乎被所有人忽略的中間路徑。
二、"密封"這個天才想法：讓不完整的代碼也能被檢查
核心思路其實出奇地簡單，一旦聽懂了，你會覺得"這為什麼之前沒人做過"。
假設AI正在寫一個函數，才寫到一半，後半截還沒出來。正常的Rust編譯器面對這種半截代碼會直接報語法錯誤——"這不是一個完整的程序，我沒法檢查"。研究團隊的解決方案是：在這半截代碼後面，機械地補上一些"占位符"，把它變成一個語法上完整的程序，然後再交給編譯器檢查。
這個"補全"的過程，研究團隊給它取了一個名字，叫做"密封"（Sealing），而執行這個操作的工具叫做"密封器"（Sealor）。密封器不是要猜測程序員接下來想寫什麼，它只是做最簡單的機械補全——把沒有關閉的大括號關上，把還沒寫完的表達式用一個"萬能占位符"代替，讓整個代碼文件在語法層面上看起來完整。
用一個更直觀的類比來理解：密封器就像一個腳手架工人。當一棟樓還沒建完的時候，為了檢測現有結構的承重能力，他們會用腳手架臨時撐住那些還沒建好的部分，讓檢測工程師能夠進場檢查已建部分有沒有問題。檢測完成後，腳手架拆掉，建築繼續施工。密封器做的就是這個"腳手架"的工作——讓編譯器能夠對半截代碼進行有意義的檢查。
為了讓密封后的代碼儘可能不引入新的假錯誤，研究團隊設計了兩種占位符。第一種叫做`holediv()`，對應於Rust里的`panic!()`——這個表達式的語義是"程序在這裡崩潰，永遠不會正常返回"。因為不會正常返回，編譯器就不會要求後續代碼滿足各種借用和類型約束，從而避免了很多因為"後續代碼還沒寫"而產生的假報錯。第二種叫做`holeval()`，它是一個泛型函數，調用時會被類型推斷自動匹配成周圍代碼期望的任何類型，相當於"這裡放一個任意類型的合法值"。有了這兩個占位符，密封器可以在保持編譯器檢查有效性的同時，最大限度地減少因為"代碼還沒寫完"而引入的誤報。
三、不能誤判：密封器必須滿足的兩個保證
密封器要能真正發揮作用，必須滿足兩個關鍵性質，研究團隊用數學語言對它們進行了嚴格的定義。
第一個性質叫做"完備性"（Completeness）。用大白話說：只要一段半截代碼存在某種合法的寫法能讓它變成完整的程序，密封器就絕對不能把它拒絕掉。這是最重要的保證——如果AI正在寫一段本來可以成功的代碼，密封器卻提前給它判了死刑，那AI就會無緣無故地被打斷，開始朝錯誤的方向修改，最終越改越亂。完備性保證了密封器的"不冤枉好人"原則。
第二個性質叫做"健全性"（Soundness）。用大白話說：如果密封后的程序通過了編譯器檢查，那就說明原來那段半截代碼確實存在某種合法的延續方式。換句話說，如果密封器接受了某段代碼，這個接受是有實際依據的，不是瞎猜的。健全性保證了密封器的"不放過壞人"原則，當然，這個原則可以在一定程度上放鬆——因為密封器即使漏掉了一個錯誤，後面還有機會再查。
研究團隊明確指出，這兩個性質並不需要同時在所有情況下都完美成立。完備性是更重要的——絕對不能冤枉好代碼。健全性則可以在特定的、重要的情況下保證即可。比如，他們證明了在"語句邊界"這個時刻（也就是AI剛好寫完一條完整的語句、準備開始下一條的時候），密封器是完全精確的：它接受就代表能繼續，它拒絕就代表真的有問題。
四、從理論到實踐：先在小型語言上打磨，再攻克真實Rust
為了確保這套方法的理論基礎堅如磐石，研究團隊沒有直接上來就對著真實的Rust動刀，而是先在一個叫做"羽毛量級Rust"（Featherweight Rust，簡稱FR）的迷你版語言上進行了完整的數學證明。
FR就像是Rust的精簡玩具版——它保留了Rust最核心的特性：變量的移動語義（用過一次就沒了，就像把一個蘋果遞給別人，自己手裡就沒了）、借用機制（暫時把東西借給別人用，用完還回來）、共享借用和獨占借用的互斥規則（要麼很多人同時讀，要麼只有一個人寫，不能同時讀寫）、以及詞法生命周期（借出去的東西的"有效期"跟代碼塊的範圍綁定）。雖然是玩具版，但這些特性已經足夠驗證密封器的核心思路是否正確。
研究團隊不僅設計了FR的密封器（命名為SFR），還用Lean這個定理證明工具把所有證明全部機械化地檢驗了一遍。所謂機械化證明，就是把數學推導翻譯成電腦能檢查的代碼，讓電腦來驗證每一步邏輯是否正確，完全排除人為失誤。在這個過程中，研究團隊還意外發現了原始FR論文中的幾處錯誤——包括類型系統中對代碼塊規則、變量聲明規則、賦值規則的細節缺失——並在自己的機械化版本中進行了修正。
在FR上打穩基礎之後，研究團隊把同樣的方法論移植到了真實的Rust語言上，構建了名為SRS的Rust密封器。真實Rust比FR複雜得多，需要處理的問題涉及方方面面：代碼塊和語句的密封規則（用`holediv()`強制分支收斂，用`holeval()`填充值位置）、條件語句（if/else中缺失的分支用`holediv()`代替，使整個表達式類型合法）、循環語句（循環體用`holediv()`結尾，避免編譯器對循環體的跨疊代一致性檢查）、函數調用（先查詢函數的參數個數，再用`holeval()`補全缺失的參數）、欄位訪問（對部分寫完的欄位名，先保留接收者，用引用形式防止意外移動）等等。
真實Rust還有一類特殊的挑戰：某些錯誤只能在代碼寫完之後才能真正判斷。比如，一段代碼可能引用了一個還沒寫到的函數，或者某個類型現在還不明確、要等後續代碼推斷出來。對於這類"未來依賴型錯誤"，密封器會暫時壓制它們，等代碼全部生成完畢後再徹底放行，確保不會因為"後半段還沒寫"而誤殺那些本來合法的前半段。
五、七大模型、兩類任務：實驗結果說話
研究團隊對生成的這套"生成式編譯"系統進行了大規模實驗評估，橫跨七個當前最強的編程AI模型：三個商業黑盒模型（Claude Opus 4.8、GPT 5.3 Codex、Gemini 3.5 Flash）和四個開源模型（Kimi K2.7 Code、GLM 5.2、Qwen 3.5 397B參數版、Qwen 3.5 9B參數版）。
實驗選擇了兩類極具挑戰性的任務。第一類叫做"Translation"，也就是C語言轉Rust：給AI一份C語言寫的庫，讓它翻譯成對應的Rust代碼。這個任務之所以難，是因為C語言的內存管理方式和Rust截然不同，翻譯時需要對數據結構的所有權進行大量的重新思考和設計。第二類叫做"UpdatedAPI"：給AI一個使用了某個Rust第三方庫的代碼框架，但這個庫的API已經在AI訓練結束之後更新了，AI需要根據編譯器反饋的錯誤資訊，自己推斷出新API的用法並修復代碼。
實驗對比了三種方案。純LLM方案是直接讓AI生成代碼，不做任何編譯檢查。PC方案（Post Compilation，事後編譯）是等代碼全部生成完再檢查，出錯就反饋給AI重新生成，最多允許若干次循環。GC方案（Generative Compilation，生成式編譯）則是在生成過程中實時檢查，一旦發現無法繼續修復的錯誤就立刻反饋給AI重新開始這次生成，同時還保留了最後幾輪事後編譯反饋作為兜底。
結果相當顯著。在沒有任何編譯反饋的情況下，AI生成的代碼中有高達65.9%無法通過編譯，最極端的情況（Qwen 9B在Translation任務上）達到了85.5%的失敗率。引入事後編譯反饋後，失敗率降到了20.7%，說明編譯反饋本身確實很有用。而加入生成式編譯之後，失敗率進一步降到13.1%。在全部14個"模型×任務"組合中，生成式編譯在編譯錯誤率上有13個比事後編譯更好或持平，其中9個差異在統計上顯著。
功能正確性方面也有明顯提升。生成式編譯在14個組合中的11個取得了最高的功能正確率。最亮眼的成績包括：GLM 5.2在UpdatedAPI任務上從53.3%提升到71.7%，Kimi K2.7在Translation任務上從39.9%提升到53.9%。
出乎意料的是，生成式編譯不僅沒有讓整體耗時增加，反而降低了平均耗時。相比純LLM，事後編譯平均增加了233秒的額外耗時，而生成式編譯只增加了135秒。原因在於：生成式編譯會在發現無法修復的錯誤時立刻叫停當前這次生成，避免AI把一個錯誤的文件寫到底——寫到底再檢查，不僅浪費了生成這段代碼的時間，還要再花時間理解錯誤、重新生成。對於Qwen 9B，生成式編譯直接將Translation任務的平均耗時從879秒砍到了357秒，節省了一半多。
六、深入解剖：生成式編譯到底做了什麼
實驗結果之外，研究團隊還對生成式編譯的工作機制進行了細緻分析，揭示了它為什麼能取得這樣的效果。
首先是"錯誤雪球"的遏制。在使用生成式編譯的所有任務中，85.3%的任務在生成階段（最多10次重啟）就完全解決了問題，從未需要動用事後編譯這個兜底手段。其中55.4%的任務在生成階段就直接拿到了正確答案。這說明大多數情況下，早發現、早糾正，代價遠低於等到最後再處理。
其次是錯誤報告的"瘦身"效果。當一個完整文件被提交給編譯器檢查時，一個核心錯誤可能引發一連串的連鎖報錯，最終報錯列表里幾十條資訊全部堆在一起。研究團隊統計發現，事後編譯產生的錯誤報告平均包含13.8條具體報錯資訊，在Translation任務中有時甚至達到幾百條。而生成式編譯在代碼寫到一半就發現了根源錯誤，此時產生的報告平均只有5.5條資訊，其中65%的報告只含1到2條。報告越精簡，AI就越容易找到真正的問題所在，修復的效率就越高。
最關鍵的分析是"錯誤檢測時機"。研究團隊對961個AI生成的錯誤文件做了仔細的復盤：他們先記錄Rust編譯器在完整文件上報告的第一個錯誤出現在哪一行，然後把同樣的文件逐段餵給生成式編譯，記錄生成式編譯是在哪一行最先發出警報。結果顯示，在中位數情況下，生成式編譯發出警報的時間只比最理想情況（假設存在一個神奇的全知裁判能在錯誤剛發生時就立刻察覺）晚了3行。四分之一的情況下，生成式編譯甚至能在錯誤剛發生時就準確發出警報，一行都不差。
相比之下，另一個對照方案GCfn（只在完整函數寫完後才檢查）平均比最理想情況晚14行，而事後編譯自然只能等到整個文件寫完才給反饋，平均晚了89行。
更重要的是，生成式編譯平均在文件完成33.3%的時候就發現了無法繼續的錯誤，而這個理論下限是32.7%——兩者幾乎一致。換句話說，生成式編譯避免了AI在明知無望的錯誤路徑上浪費剩餘66.7%的代碼生成。
在被檢測出的錯誤類型上，類型不匹配錯誤（E0308）是最常見的，占所有報告的三分之一以上。此外，生成式編譯還能捕捉到更複雜的借用檢查錯誤，包括衝突借用（E0502，也就是同時存在讀借用和寫借用的情況）、從借用值中移出（E0507，試圖永久拿走一個只是臨時借用的東西）等Rust特有的複雜錯誤。
七、系統的實際工程細節
研究團隊把整套系統做成了實際可用的工程實現。密封器本身用Rust語言編寫，代碼量約5000行，與Rust編譯器前端的約60萬行相比，實現成本低得多。密封器基於rust-analyzer（Rust語言的官方語言分析工具）來解析半截代碼的語法結構，然後按照密封規則生成密封后的完整代碼，最後交給rustc（Rust的正式編譯器）檢查。
與AI交互的那一層用Python編寫，約3000行代碼。它負責從AI的流式輸出中實時接收代碼片段，觸發密封器和編譯器，並按照論文中描述的並發邏輯運行：AI繼續生成代碼的同時，編譯器在後台檢查上一個快照，如果發現問題就立刻發出信號，讓AI停下來並給出錯誤資訊。
由於密封后的代碼和原始代碼不完全一樣（多了占位符，少了後半段），編譯器報告的錯誤位置也是針對密封后代碼的。為了讓AI看到的錯誤資訊對應原始代碼，系統在密封過程中會維護一個位置映射表，把密封代碼中的位置反向映射回原始代碼中的位置，確保AI收到的反饋是針對它自己寫的內容的，而不是針對系統自動補充的占位符。
整個系統有329個測試用例覆蓋密封器和推理行為，並且包含了7個不同AI的接口適配層，以及用於評估的基準測試管理代碼，合計約8000行Python代碼。
---
歸根結底，這項研究解決的是一個"反饋來得太晚"的根本問題。AI寫代碼就像在黑暗中畫畫——它不斷往前走，卻遲遲得不到反饋，於是一個小偏差最終變成了一幅面目全非的圖。生成式編譯做的事，相當於在這條走廊里每隔幾步就打開一盞燈，讓AI知道自己有沒有走偏，而不是等走到頭才發現自己一直走在錯誤的路上。
這個思路不只對Rust有意義。任何有嚴格靜態規則的語言，只要能為密封器定義合適的占位符和密封規則，都可以復用這套框架。研究團隊還指出，未來可以探索自動化地從語言規範中生成密封規則，而不是像現在這樣手工編寫——這將使整套方法能夠隨著語言的演進自動更新，甚至在全新語言發布之初就能為AI提供即時的編譯反饋支持。
對於普通用戶來說，這項研究意味著：未來當你用AI幫你寫Rust代碼時，你可能會發現AI的生成質量變得更穩定、編譯錯誤更少、需要你手動修正的次數更少。這不是因為AI變聰明了，而是因為它終於有了一個實時陪跑、隨時提醒的編譯器夥伴。有興趣深入了解技術細節的讀者，可以通過arXiv編號2607.13921查閱完整論文。
---
Q&A
Q1：生成式編譯和事後編譯反饋有什麼本質區別？
A：事後編譯是等AI把整個代碼文件寫完再檢查，出了問題再反饋。生成式編譯則是在AI寫代碼的過程中實時檢查，一旦發現不可挽回的錯誤就立刻告訴AI，避免AI在錯誤的基礎上繼續寫下去。實驗顯示，生成式編譯平均在文件完成33%時就發現了問題，而事後編譯要等到100%完成後才能發現，節省了大量無效的代碼生成。
Q2：密封器會不會產生誤報，誤判本來合法的代碼？
A：研究團隊對密封器設計了"完備性"這一核心保證：只要一段半截代碼存在任何合法的延續方式，密封器就絕對不會拒絕它。這意味著密封器不會誤殺好代碼。在"語句邊界"這個特殊時刻，密封器甚至是完全精確的，拒絕就代表真的有問題，接受就代表確實能繼續。整套證明已經用Lean定理證明工具完整機械化驗證。
Q3：生成式編譯方法能用於Rust以外的編程語言嗎？
A：可以。這套框架是語言無關的，只需要為目標語言實現一個對應的密封器——定義在代碼不完整時如何用占位符補全、如何避免引入假錯誤。研究團隊已經為理論上的簡化版Rust和真實Rust分別實現了密封器，未來有望通過自動化方法從語言規範中生成密封規則，從而將這套方法擴展到其他嚴格類型系統的編程語言。
