A Jagged Frontier

研究对 SWE-bench Verified/Pro 仓库做语义保持的控制流改写、死代码注入和标识符重命名，再以成对运行隔离随机性。最多配置平均修复率下降 6.7 个百分点，16 个配置中 6 个显著退化；Qwen 在 mini-SWE agent 上最稳、换到 OpenCode 却最脆，复杂脚手架本身可能成为鲁棒性来源。