工作草稿——正在评审中。所有数字均可由冻结、哈希锁定的产物复现；消融实验与规模曲线正在进行。这是 Perslis 论点——神经网络提议，符号裁决——在遗留 COBOL 上的具体实例。
系统结合了：(i) 带来源追踪的符号知识检索；(ii) 确定性程序合成；(iii) 可执行的编译器与运行时验证；(iv) 明确的拒绝机制。它在三类结构迥异的程序族上生成行为正确的 GnuCOBOL，在单核 CPU（无 GPU）上约 486 毫秒返回一个答案，且从不输出未经验证的代码。由于裁判是外部的确定性预言机，而非模型给自己打分，其自我改进无法被"奖励作弊"。
结果（Wilson 95% 置信区间）
| 测量项 | 比率 | 95% CI |
|---|---|---|
| 确定性系统自测（3 个程序族） | 13/13 | [77.2, 100]% |
| 对抗性 dogfood（正确或拒绝） | 27/27 | [87.5, 100]% |
| 组合泛化 A∘B（非平凡） | 40/40 | [91.2, 100]% |
| 神经基线，未见模板（佐证免烘焙） | 0/299 | [0.0, 1.3]% |
论文中明确列出局限：真正工作的生成器是确定性合成（从零训练的神经模型未能泛化）；合成与变异空间为人工限定；意图识别基于关键词；若干头条比率的样本量较小，并给出诚实的置信下界；更宏大的规模假设被标注为开放问题。