小参数编程 Agent 用不好代码图工具，arXiv 论文实测 79k 次试验

论文在 SWE-bench Verified 上测试小参数开源模型使用嵌入检索与代码图工具的效果，覆盖 Qwen3 0.6B 到 32B 六个尺寸和三个 Gemma 4 尺寸，共 79k 次试验。结构化工具让 Qwen3-8B 和 Gemma 4 E4B 的 grep-only 准确率翻倍，增益在 1.7B-4B 达到 17-21 个百分点，到 32B 降至 4-5 个百分点。每增加一跳代码图深度，正确定位的几率乘以 0.50-0.67，任何工具组合都无法抹平这一梯度。线性探针显示小模型对仓库的表征主要是一跳且依赖词面的信息，直接调用边解码 AUC 为 0.74，低于词面基线的 0.99。论文已开源 Agent、探针、日志与轨迹。