AST-guard

AST-guard 用 AST 结构约束降低 RL reward hacking。它把程序结构本身作为 guard 信号，使训练或 agent 生成不能只靠文本表象骗过 reward。对代码类 agent 来说，这种结构级约束比自然语言规则更贴近可执行产物，也更容易被自动化检查。