三步把大补丁拆成还能跑的提交

编码智能体交出来的补丁，经常把好几件事情揉进一次提交。审的人难拆，后面的智能体也难顺着历史修。RucTangle 的硬条件是：拆完之后，每一步中间版本都还能让测试收集跑起来。论文号 2610.11593，2026-10-08 挂到 arXiv。本轮仓库页搜不到公开代码，数字以论文表为准，不是本轮复现。

先能收集测试，再谈像不像人手提交

任务从起点版本上的大补丁出发，拆成有序提交，最后落到同一个终点。可运行的定义很窄：测试框架能收集到用例，功能测试不必先绿。作者认为以前的拆分只看文本像不像人手提交，维护收益没有被直接量过。

做法分四步。智能体先分组，必要时拆文件，交出有序计划和说明。结构检查要求覆盖完整、提交非空，再应用并收集测试。失败就按报错重排；还不行就最多改写两次；再不行就把相邻提交合并，直到收集成功。终点版本始终保住。回归时对失败测试做二分，把候选和日志交给修复智能体。上限二十个提交，一轮计划加最多两次改写，八十步。底座写成经路由调用的 DeepSeek-V4-Flash，套件是 mini-swe-agent 2.4.6，温度零。

对照是按文件切、按块切、Armchr、Atomizer，外加整包不拆。Atomizer 是作者自己的移植，向量模型写成开源英文基座，余弦大于 0.6 才合并。无序分组会按依赖排好。数据来自 Python 持续集成上的软件工程题。第一问用 131 个已经完成的补丁，覆盖 100 个仓，中位大约 7 个文件、21 到 24 个改动块。

历史交给修缺陷的智能体，命中率才有数字

RucTangle 重构成功率 100%，平均提交数 8.64，中位 8。全程可运行比例 100%。对照的全程可运行是：按文件 72.5%，按块 62.6%，Armchr 79.4%，Atomizer 73.8%。摘要把基线里至少有一版跑不起来的比例写成 20.6% 到 37.4%。中间测试失败均值，完整方法只有 0.017。耗时含失败尝试、不含二分，平均每个补丁 276.3 秒，输出大约 1.19 万 token。

评测的修复题用 453 个会回归的智能体补丁，108 个任务，90 个仓。套件模型是 Qwen3-Coder-Next 和 Nemotron-3.5-Lightning-30B-A3B，三次尝试，八十步，不许回退检出。成功定义是失败测试全过，且不在其余测试上添新红。拆失败就退回无历史。第一套的一次命中从无历史的 26.9 到 31.3，三次 40.4 到 43.5。第二套从 30.8 到 36.0，三次 41.1 到 47.7。相对无历史，一次命中平均相对抬 16.6%；Armchr 4.5%，Atomizer 6.1%。第二套这一格的绝对增量是 5.2 个百分点，和摘要一致。

另外 150 题、只跑一次的补充里，有的模型一次命中上升，有的几乎不动，还有一格从 50.0 落到 48.7。把提交数对半切，一次命中从 34.9 降到 31.8。论文只覆盖 Python 持续集成。方法是历史加二分的整包，没有单独拆开消融。额外模型只跑一次。提交说明有时会带偏后续智能体。没有公开仓，就没法按安装步骤复现。若你要的是可下载工具，这篇还不满足；若你要看拆完还能跑会不会帮下一个智能体修回归，数字都在 10-08 那一版里。本轮没有把作者花名册写进正文。