两个审查器的错误评论率相近时，能否因建议可执行性不同，对同一自动作者造成不同的回归和修复轮数？
在干净PR与带缺陷PR的配对集合上，要求审查意见附可复现证据并区分原有/新增问题，能比单纯提高投票阈值减少至少30%的误报诱发回归，同时真实缺陷修复率下降不超过5个百分点。阈值是预注册目标，不是已有结果。
干净PR已见SWR-Bench与DiffDojo，执行审查建议已见c-CRAB，均不是本次发明。拟新增的是在同一组PR上固定评论后随机执行/不执行，直接估计误报诱发的功能损失，并比较人和Agent的处置成本；不是把两种已有评分简单相加。
工程师和自动修复Agent对同一误报的反应不同。把评论判定与执行后损害分开，可帮助选择审查阈值，避免评论精度很好却制造昂贵回归。
4–6周。选60份经两位审阅者及保留测试核对的干净PR，再配60份同规模、同模块的可验证缺陷PR；测试通过不直接等于干净，分歧样本另列。冻结一个自动作者及两个审查配置，先生成并封存评论，再为同一评论建立执行与不执行分支，各至多3轮。用独立保留测试与盲审核对新回归；20份样本加人工处置计时。所有失败、拒修和未收敛分支计入分母。
c-CRAB式建议执行与缺陷测试；SWR-Bench式干净PR误报；固定投票阈值。与带复现证据的意见在相同模型和审查预算下配对比较。
主要报每100份干净PR由意见执行诱发的新回归数和总修复轮数；护栏为真实缺陷修复率、未修复严重缺陷。另报人类驳回误报的实际分钟数、调用费、停止后遗留问题，区间按仓库聚类。
若证据要求仅减少评论但不能降低执行后损害，或降低损害的代价是缺陷修复率越过5点劣化界，假设失败。若干净标签无法可靠复核，停止因果比较，先发布标签缺口和复现材料。
c-CRAB（2026）：Code Review Agent Benchmark：它已把评论交给编程Agent并用测试验收；本试验不以此声称新颖，重点是干净PR上的执行/不执行反事实与新损害。
SWR-Bench（2025）：平衡Change/Clean PR：继承干净与有问题样本的平衡和人审；由评论层误报进一步测固定自动作者执行后的净损失，且保留不执行分支。
DiffDojo：植入缺陷及干净改动：现有基线测发现和批准判决，不能把“会拒绝干净PR”直接等同于“实际改坏”；拟测两者之间的转移概率。
Claude Code团队（2026）：有害噪声和收敛：原文已统计干净PR上可能诱发有害修改的意见；候选贡献只限公开可复做的分支实验与实际修改损害，不声称首创指标。