TestHelix: проверка тестов, написанных агентом, на чужих реализациях, а не на одном эталоне

Зелёный тест от агента почти ничего не гарантирует. У лучшего агента 59,67% задач проходят проверку «упал на старом коде, прошёл на эталоне». Но если прогнать эти тесты на 4 других верных и 5 неверных решениях, полностью надёжны только 28%. Метод TestHelix позволяет получить от кодинг-агента тесты, которые не душат верные решения и ловят настоящие баги. Несколько изолированных агентов пишут пары «тест + своя реализация», а потом каждый тест гоняют на чужом коде. Это перекрёстный запуск: тест, подогнанный под одно решение, сразу вылезает наружу.