让代码Agent修软件，常见做法像批改习题：多做几遍，只留下通过测试的答案。问题是，越难的题越可能次次失败，最值得研究的过程反而全被扔掉。FailForge专门回收这些“废稿”。代码Agent是能浏览代码库、改文件并运行测试的语言模型系统；它的一整套操作和反馈叫作轨迹。传统的拒绝采样微调（RFT）只拿成功轨迹训练，FailForge则从持续失败中寻找可迁移的办事套路。
具体来说，诊断Agent会综合失败轨迹、测试输出、推理记录，并参考历史修复补丁，提炼出简短的程序性经验，例如应按什么顺序排查接口和调用关系。它把这条经验交给Agent再试一次；若新轨迹通过测试，就加入训练集。训练时，经验提示会被拿掉，让模型把套路学进去，而非在实际使用时依赖外部提醒。作者报告称，这套方法救回了逾26%的原失败实例；用扩充后的数据训练Qwen3.5-4B，在SWE-bench Verified上的问题解决率比强RFT基线高6.6个百分点，提升主要来自最难的问题。上述效果来自论文作者实验，摘要未披露独立复现结果。