Kozuchi 讓同一套 27B 程式修復代理跨至 Java，Multi-SWE-bench 解出 41／128 題

富士通研究團隊正式發表 Kozuchi Agent 論文，把先前在 Python 公布的程式修復結果擴展至 Java。系統以本地託管、未經額外微調的 Qwen3.5-27B 為核心，外圍不是單一 ReAct 迴圈，而是八階段工作流、檔案式持久狀態、確定性軟體工程工具及與模型無關的動作介面；CI 管線則負責啟動推論、評分及保存軌跡。

Kozuchi 對每題執行八次，讓各次執行同時產生修補與測試，再把測試交叉套用至其他候選修補。這個選擇器不讀取隱藏評測結果，也不需要另訓練 verifier。在 SWE-bench Verified 的 500 題 Python 測試中，八次執行平均 Pass@1 為 67.7%，至少一次成功的理論上限為 81.6%；選擇器最後提交的修補解出 374 題，即 74.8%，較固定選第一個候選多解 14 題，但仍錯失 34 題已有正確候選的案例。

更值得注意的是跨語言結果。研究保留相同模型、階段圖、狀態格式及八候選策略，只把測試環境換成 Maven／Gradle，在 Multi-SWE-bench Java 解出 41／128 題，為 32.03%。代理在兩種語言各階段所佔訊息比例相差不超過五個百分點，說明流程結構確實轉移；然而 Java 絕對成功率低逾 42 個百分點，且 38 個 elastic／logstash 案例全數失敗。作者因此只主張「框架可跨語言」，沒有主張模型具備相同語言熟練度。

工程團隊應留意兩件事：候選生成與選擇器本身已成為主要效能旋鈕，而非只看基礎模型；其次，論文只對候選數與選擇訊號做匹配消融，尚未分離階段化、持久狀態及工具套件各自的因果貢獻。結果也來自公開基準，尚無私有程式庫的開發者實驗或生產遙測。