VIBEPASS：氛围编程者真的能通过氛围检查吗？

随着大语言模型推动编程向“氛围编程”转变，智能体编码工具日益依赖模型自我诊断并修复细微故障。本文提出 VIBEPASS，首次联合评估故障触发测试生成与针对性程序修复两项任务。通过对 12 个前沿模型的评估，发现故障导向推理能力不随通用编码能力扩展，假设生成是主要瓶颈。研究表明，当自生成测试成功揭示故障时，修复效果优于外部引导，反之则恶化。结论指出，自主调试的核心挑战在于故障导向推理能力的缺失。