GAISS 2026 研究指出：規範驅動開發未提升 AI 程式碼 Bug 發現率，但使人類審查歸因率達 81%

據報導，一項被 GAISS 2026 收錄的研究針對 AI 生成程式碼的驗證與治理提出「規範驅動開發」方法論，探討人類與模型在程式碼審查中的表現。隨著 EU AI Act、ISO/IEC 42001 及 NIST AI 風險管理框架陸續落地，AI 程式碼的治理瓶頸已從生成轉向驗證與究責。該研究將規範分為業務需求、高階設計（HLD）與低階設計（LLD）三層，作為審查 AI 生成程式碼的基準契約。實驗以包含 20 個不變量（invariants）的多帳戶銀行服務 API 為測試對象，由 5 名具 3 至 10 年經驗的審查員進行 2×2 交叉實驗。結果顯示，提供規範基準並未提升 Bug 發現的召回率（有基準為 0.525，僅看程式碼為 0.518，p=0.69）；但歸因率從 0% 大幅提升至 81%（p=0.043），使審查者能將問題明確對應至已批准的條款。研究另使用 Claude Opus 4.8、GPT-5.2、DeepSeek V4 與 Gemini 3.1 進行 90 次自動化審查復現實驗，結果呈現相同趨勢：召回率無顯著變化（0.51 對 0.49），但歸因率在無基準時從 0.67 降至 0。該研究指出，規範基準的價值不在於發現更多錯誤，而是建立可追溯的審計軌跡，確保最終責任由人類承擔。