TestGRAD：利用失败模式优化编码Agent集成测试

SWE-Agent集成将不同Agent的互补候选补丁结合，提高问题解决能力。核心因此是基于测试进行选择：生成测试、执行补丁并识别最佳结果。我们把这一过程表述为测试空间优化，不断演化可执行仓库测试集，直到能够区分竞争补丁。已有测试生成方法的优化能力有限：通常没有为集成选择明确损失，更新方向主要局限于新建或删除测试，也缺乏反复失败提供的反馈。借鉴带动量的梯度下降，我们提出自动测试优化框架TestGRAD，围绕三个概念展开。差分损失给优化器一个由执行结果定义的目标：有效测试应按行为区分候选补丁。完整CRUD梯度将更新扩展为读取已有测试基础设施、新建测试、更新过时断言，以及仅删除失效测试。失败模式动量从记忆中提取高频失败序列，避免反复尝试无法区分候选的方向，同时压缩失败历史上下文。在SWE-bench Verified上，四Agent集成取得84.2%的Pass@1，较最强基线80.6%提高3.6个百分点，同时把失败历史上下文压缩超过100倍。