Claude migliora l'accuratezza della revisione del codice Codex di 18 punti percentuali

Una recente indagine pubblicata su arXiv (2607.21656) esplora l'efficacia dell'abbinamento di due agenti di codifica: uno incaricato di scrivere codice e l'altro di revisionarlo. I ricercatori hanno condotto uno studio controllato su 116 compiti LCb recenti di difficoltà alta e media, utilizzando Claude e Codex in sei diverse condizioni: baseline singole, ordini con lo stesso modello e ordini incrociati. In questa configurazione, il revisore poteva vedere il problema e la bozza dello scrittore, ma non poteva eseguire test, simulando uno scenario di revisione del codice. La revisione di Claude sulle bozze di Codex ha migliorato il tasso di superamento dal 71,6% all'89,7% (p=0,001), mentre l'autorevisione di Codex lo ha aumentato all'84,5% (p=0,022). Al contrario, la revisione di Codex sulle bozze di Claude ha portato a un calo dal 91,4% all'82,8% (p=0,046), con l'autorevisione di Claude che ha mantenuto la baseline del 91,4%. Questi risultati indicano che l'abbinamento incrociato è vantaggioso solo quando il modello superiore (Claude) valuta quello inferiore (Codex), offrendo preziose intuizioni per gli sviluppatori che utilizzano più LLM nei processi di revisione del codice.