論文の概要: ReproAgent: Contract-Guided Paper-to-Code Reproduction
- arxiv url: http://arxiv.org/abs/2608.24291v1
- Date: Tue, 25 Aug 2026 09:19:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.919336
- Title: ReproAgent: Contract-Guided Paper-to-Code Reproduction
- Title（参考訳）: ReproAgent: コントラクトガイドによるコード間リプロダクション
- Abstract要約: 論文からコードへの複製は、研究論文を論文の方法、プロトコル、アーティファクトを保存する実行可能なリポジトリに変換するために、科学的なAIエージェントに依頼する。
ReproAgentは,2つのチャネルによる永続的な実装契約を中心に構築された,4段階のプレペア-プラン-レペアパイプラインである。
PaperBench Code-Dev では、ReproAgent が Claude-Sonnet-4.5 と Gemini-3-Flash の両方で、同じバックボーンの足場の中で最高点に達した。
- 参考スコア（独自算出の注目度）: 19.371901718319876
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Paper-to-code reproduction asks scientific AI agents to turn research papers into executable repositories that preserve the paper's method, protocol and artifacts. This is difficult because the specification is split: explicit paper content such as algorithms, metrics and artifacts is often lost across long agent trajectories, while implicit details such as framework defaults and conventions inherited from related work are absent from the paper. We introduce ReproAgent, a four-stage Prepare--Plan--Generate--Repair pipeline built around a persistent implementation contract with two channels: an implementation-requirement channel that turns paper snippets into code obligations, and a reference-evidence channel that retrieves content and structure evidence from related repositories. Both are bound to work packages, projected into file-level contracts, and consumed across generation and repair. On PaperBench Code-Dev, ReproAgent reaches the highest mean score among same-backbone scaffolds under both Claude-Sonnet-4.5 and Gemini-3-Flash. End-to-end channel ablations and per-paper cases support the contribution of both channels. Code and experimental artifacts are publicly available.
- Abstract（参考訳）: 論文からコードへの複製は、研究論文を論文の方法、プロトコル、アーティファクトを保存する実行可能なリポジトリに変換するために、科学的なAIエージェントに依頼する。
アルゴリズム、メトリクス、アーティファクトといった明示的な論文の内容は、長いエージェントの軌跡でしばしば失われるが、フレームワークのデフォルトや関連する作業から継承された規約といった暗黙的な詳細は、論文から欠落している。
ReproAgentは、紙スニペットをコード義務に変換する実装要求チャネルと、関連するリポジトリからコンテンツと構造証拠を検索するリファレンスエビデンスチャネルの2つのチャンネルで、永続的な実装契約を中心に構築された4段階のプレペア-Plan-Generate-Repairパイプラインである。
どちらも作業パッケージに縛られ、ファイルレベルのコントラクトに投影され、生成と修復に費やされる。
PaperBench Code-Dev では、ReproAgent が Claude-Sonnet-4.5 と Gemini-3-Flash の両方で、同じバックボーンの足場の中で最高点に達した。
エンド・ツー・エンドのチャンネル・アブリケーションと紙ごとのケースは、両方のチャンネルのコントリビューションをサポートする。
コードと実験的なアーティファクトが公開されている。
関連論文リスト
- PaperCompiler: Faithful Paper-to-Code Generation via Repository-Level Specification Compilation [24.326718323836293]
そこで我々はPaperCompilerを紹介した。PaperCompilerは紙面のエビデンスをリポジトリレベルの明示的な実装仕様にコンパイルするコード生成フレームワークである。
結果として得られた仕様は、非劣化要件、オーナシップの割り当て、ファイル間の依存関係、ファイルレベルの制約をエンコードする。
PaperCompilerはPaper2CodeBenchの強力なベースラインを上回り、参照ベースの忠実度が13.8%向上した。
論文 参考訳（メタデータ） (2026-09-02T08:21:03Z) - Fetch-then-Explore: Decoupling Selection from Extraction over a Persistent Workspace for Search Agents [60.97609995940902]
検索エージェントに対して textbfFetch-then-Explore を提案する。
ページ選択とエビデンス抽出を分離し、選択したものを保持する。
これは、すべてのバックボーンでBrowseCompの精度を導き、一般的にWideSearchのベースラインと一致するか、超える。
論文 参考訳（メタデータ） (2026-08-03T11:58:21Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - ProjAgent: Procedural Similarity Retrieval for Repository-Level Code Generation [6.0914572974317]
ProjAgentは、明示的な検索信号として手続き的類似性を導入するリポジトリレベルのコード生成システムである。
ProjAgentは41.14%のPass@1を達成した。
論文 参考訳（メタデータ） (2026-07-09T16:50:54Z) - Remember Your Trace: Memory-Guided Long-Horizon Agentic Framework for Consistent and Hierarchical Repository-Level Code Documentation [27.40384564559557]
我々は、リポジトリ全体にまたがる単一の統合コンテキスト内でドキュメントを生成するフレームワークであるMemDocAgentを提案する。
MemDocAgentは、オープンソースベースラインとクローズドソースベースラインの両方で最高のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-14T08:35:20Z) - HiRAS: A Hierarchical Multi-Agent Framework for Paper-to-Code Generation and Execution [41.22400989548889]
階層型リサーチエージェントシステム(HiRAS)は、エンドツーエンドの実験再生のための階層型マルチエージェントフレームワークである。
HiRASは監督管理エージェントを使用して、きめ細かい段階にわたって専門エージェントを調整している。
論文 参考訳（メタデータ） (2026-04-20T02:59:43Z) - What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction [57.86097956633207]
Methodは、学術論文から実行可能なコードを生成するグラフベースのエージェントフレームワークである。
3つのドメイン、10のタスク、10の最近の論文にまたがる拡張ReproduceBenchでは、公式実装に対する平均的なパフォーマンスギャップが10.04%に達する。
論文 参考訳（メタデータ） (2026-03-02T12:33:31Z) - Model-Document Protocol for AI Search [11.377241012645994]
原文が大規模言語モデル (LLM) にどのようにブリッジされているかを形式化する汎用フレームワークである Model-Document Protocol (MDP) を導入する。
MDPは、検索をパスフェッチとして扱う代わりに、構造化されていない文書をタスク固有のLCM対応の入力に変換する複数の経路を定義している。
本稿では,エージェントプロセスを通じてプロトコルを実現するMPP-Agentを提案する。
論文 参考訳（メタデータ） (2025-10-29T04:29:17Z) - Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning [70.04746094652653]
機械学習論文を機能コードリポジトリに変換するフレームワークであるPaperCoderを紹介した。
PaperCoderは3つの段階で動作する。計画、図によるシステムアーキテクチャの設計、ファイル依存の特定、構成ファイルの生成である。
次に、モデルベースおよび人的評価の両方に基づいて、機械学習論文からコード実装を生成するPaperCoderを評価する。
論文 参考訳（メタデータ） (2025-04-24T01:57:01Z) - Contextual Document Embeddings [77.22328616983417]
本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。
第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。
第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
論文 参考訳（メタデータ） (2024-10-03T14:33:34Z) - GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。
FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
論文 参考訳（メタデータ） (2022-04-12T03:49:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。