1. AgentRadio: Passive Awareness for Long-Horizon Multi-Agent Collaboration

  • 作者/来源： Xinxing Ren、Qianbo Zang、Ziyan Wang、Caelum Forder、Suman Deb、Peter Carroll、Zekun Guo / arXiv
  • 发布日期： 2026-07-30
  • 原文： https://arxiv.org/abs/2607.28430

推荐理由： 多 Agent 系统常把沟通限制在阶段交接点，这篇工作提出异步消息层，让多个 coding agent 在持续执行任务时仍能感知彼此的新发现。

核心要点：

  • AgentRadio 提供 threads、messages 和后台等待 mention 三个原语，使通信不必打断前台执行。
  • 在 SWE-Atlas QnA 上，四个 Agent 的解决率达到 62.1%，单 Agent 为 32.3%，也高于使用更新模型的 Claude Code 57.2%。
  • 随任务难度增加，协作收益更明显，说明长周期代码理解需要执行中的动态纠偏，而不只是预先拆分任务。

2. Change2Task: From Repository Changes to Executable Coding Agent Tasks and Environments

  • 作者/来源： Haomin Qi、Xingliang Wang、Xuanqi Gao、Baihui Sang、Xin Zhang 等 / arXiv
  • 发布日期： 2026-07-30
  • 原文： https://arxiv.org/abs/2607.28591

推荐理由： Coding-agent 训练和评测的瓶颈之一不是模型，而是缺少真实、可运行、可验证且不过时的仓库任务；Change2Task 给出了从历史 PR 持续生成这类任务的系统方法。

核心要点：

  • 系统将已合并 PR 映射到现代可运行版本，并依次使用 Patch Reversal、Code Mapping 和 Agent Reconstruction 重建任务状态。
  • 在 1,130 个候选变更中生成 900 个验证通过的任务，整体成功率为 79.6%，覆盖修复、功能、测试、API 迁移和安全五类任务。
  • 相比 PR Mirror 基线，它在匹配候选集上多恢复 29.2% 的验证任务；复用现代基础环境还能降低重复构建、存储和执行成本。