ReproBridge：将可复现性融入机器学习研究产物

复现机器学习实验需要根据散布在论文、已发布代码和配套产物中的信息重建操作流程。因此，对编程智能体而言，复现能否成功可能取决于其补全缺失细节的能力，而非仅取决于已发布的产物。我们研究了保留重建的流程和决策是否能改善后续的独立复现。我们定义了一种标准化的产物设计，包含完善后的代码库、环境配置、实验启动器和复现指南，并提出 ReproBridge，这是一套用于构建此类完善的可复现产物的智能体工作流。ReproBridge-Bench 提供了来自 36 篇论文中 387 项实验的 1,029 个任务，每个任务均以五个人工核验的参考分数为基准。智能体在全新会话中使用原始代码或完善后的产物尝试完成任务；独立的 Auditor 则负责检查执行证据。在评估的四个模型中，完善后的产物将平均复现成功率从 76.4% 提升至 92.6%，并使下游 API 支出平均减少 19.7%。模型间的成功率差距从 21.6 个百分点缩小至 3.9 个百分点，四个模型的平均成功率均超过 90%。消融研究表明，移除任一组件都会降低成功率，其中移除代码和环境组件造成的降幅最大。这些结果表明，保留执行知识有助于模型以更可靠的方式、更低的 API 成本复现实验，即使是使用原始代码时成功率较低的模型也能从中受益。