Fail-Fast, Restart-Smart

该工作用 0.6B 参数前缀监视器配合一次同策略新 rollout，在软件工程代理尚未耗尽预算前判断轨迹是否值得终止。SWE-bench Verified 跨多种策略可节省 14.6% - 20.4% token，同时把误杀率控制在 5%；即使容许 25% 误杀，重启策略仍将解决率从 66.6% 提到 71.8%，冷重启仅为 66.8%。这表明测试时扩展不应只讨论“跑更多”，还应把预算从低前景轨迹动态转给新的尝试。