仓库级软件工程智能体此前只把每次尝试的通过或失败当作终局奖励，失败补丁和验证器反馈被丢弃。FC-SWE 在补丁验证失败后把仓库恢复到原始任务状态，用失败补丁与验证器诊断信息作为上下文再生成一条恢复轨迹，并让每条轨迹保留自己的验证结果、只把同一问题实际执行过的初始与恢复轨迹放进同一个比较组。在全部500个 SWE-bench Verified 任务上，同一 Qwen3.5-4B 策略下首解率从 GRPO 的38.9%升到41.7%，两次尝试累计从48.5%升到52.8%；训练时每条链最多两次尝试，测试时给到十一次尝试可累计解出70.7%。
谷歌宣布推出前沿模型 Gemini 4 Argon，通过 Fairwind 计划先向受信任的网络安全防御者开放，主打长周期深度推理，将输出 token 上限从 64K 提升到 100 万，并报告在 DeepSWE v1.1 取得 77.9%、LVBench 取得 91.7%、CWE-bench v1 取得 68%、AutomationBench 取得 51.3%，同时给出内部应用案例：量子子程序优化较已发表基线提升 40%、数据中心释放超 300 TiB 内存、libgav1 的 Rust 移植中替换 32K 行 SIMD 代码后解码器比原 Rust 移植快 2.7 倍且视频输出一致。
研究者从 103 个软件生态、1,729,171 条 PR 中筛出 120 个需要跨多个仓库协同改动的真实任务（60 个缺陷修复、60 个新功能），评测七种编码智能体配置，完整任务成功率介于 10.83% 与 42.50% 之间，最高为 Codex CLI 搭配 GPT-5.6-sol，并发现联合执行与逐仓库独立执行各有得失。
QwenGyre 是一个面向超长时程（xLong）智能体在线强化学习的端到端框架，它通过弹性调度器在不中断正在运行的 harness 执行的前提下于 rollout 与训练之间重新分配 GPU，并用轨迹处理器把分支执行记录重建为共享前缀的轨迹树、对超时后的部分进展打分、按角色优先级去重采样轨迹，在 Qwen 3.8 2.4T 上以每次 rollout 70 万 token 训练 48 步，使 NL2RepoBench 通过率从 52.5% 提升到 58.5%，并在多个数据集上相对 Colocate 与 Async 取得最高 1.85 倍和 1.78 倍的端到端加速。
已读完全部报道