CRANE：通过 Nullspace 编辑对代码代理进行约束推理注入

代码代理必须对长期存储库状态进行推理并遵守严格的工具使用协议。在成对的指导/思考检查点中，这些能力是互补的，但又不一致。指导模型简洁且工具规范，而思维模型提供了更强的计划和恢复行为，但经常过度考虑并降低代理性能。我们提出了 CRANE（通过 Nullspace 编辑对代码代理进行约束推理注入），这是一种 无需训练 参数编辑方法，它将 Thinking-Instruct 增量视为 Instruct 主干的候选推理编辑的定向池。 CRANE 结合了幅度阈值来对增量进行降噪，使用保守泰勒门来保留对推理转移和工具使用保留共同有益的编辑，以及分级 S 形投影来抑制格式关键的更新方向。通过合并成对的指令和思考检查点，CRANE 在保持指令级效率的同时，比任一单独模型都取得了巨大的进步：在 Roo-Eval 上，Qwen3-30B-A3B 的 pass1 达到 66.2% (+19.5%)，Qwen3-Next-80B-A3B 的 pass1 达到 81.5% (+8.7%)；在 SWE-bench 上经过验证，它可以在两种规模（122/500 和 180/500）下解析多达 14 个额外实例；在 Terminal-Bench v2 上，它将 pass1/pass5 提高了高达 2.3%/7.8%，分别达到 7.6%/17.9% 和 14.8%/30.3%，在所有三个基准测试中始终优于替代合并策略。