终端任务涨了分，换套件就掉回去

终端智能体常被当成只换模型就能涨分。套件一换，昨天刚过的题今天又红。这篇把运行环境和策略拆开升，轨迹按出处对齐再拿去训。方法写成 CoTrace。论文号 2610.10426，2026-10-07 挂到 arXiv，三十二页七张图十七张表。本轮没有项目仓。数字以论文表为准，不是本轮复现。

两千二百道终端题，晋升集先冻住

评测写成两千二百道可执行终端题，容器和程序校验都在。外环用一百零二道冻住的晋升集报分，每轮再转五十道进化题，强化学习池最多一百道，编号互不重叠。套件搜索走已调过的配置空间：工具、处理器、提示词。搜索是两代淘汰，五代加五代，过筛还要过准入。

九十亿思考档上，只改套件从 77 到 81，多出来的四道全算套件。混进别家轨迹从 77 到 86，仍是套件九道、模型零道。对齐出处再监督微调，从 78 到 88，套件四道、模型六道，每轮大约四十七个卡时。强化学习在位分到 90，套件五道、模型七道，每轮大约六十二个卡时；下一档候选 85，按新解开必须多于新弄坏的规则被拒。四十亿档监督微调只从 65 到 69，强化学习从 67 到 79，十二道全算模型。

混进别家的轨迹一百四十九到三百零八条，三次模型晋升零接受。对齐后的监督微调只要三十到五十条，五次里两次接受，模型净加六道。强化学习两千三百零四幕，四次里三次接受。

换套件之后，涨分不一定跟得过去

作者写得明白：出分布迁移根本上取决于套件合不合。终端公开集八十九道、基线套件、三轮平均，监督微调 18.3 加减 2.5，基座 18.7 加减 1.5，几乎贴着。软件工程精简集三百道上，同一套权重换运行时，数字能差开：外来迷你套件三档是 34.7%、24.7%、36.7%；跟共进化套件走，监督微调从 24.7% 到 35.0%，没补丁从一百五十五掉到六十四；强化学习 41.0%，基线配对 37.3%。单次评测噪声大约正负两道。

论文只跑了一家模型族两个规模，监督微调和强化学习算力也不对齐，元智能体还没公开。若你要的是可下载终端套件，这篇还不满足；若你要看涨了的分换套件会不会掉回去，数字都在 10-07 那一版里。本轮没有把作者花名册写进正文。