以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Reproducing machine learning experiments requires reconstructing procedures from information scattered across papers, released code, and supporting artifacts. For coding agents, reproduction success can therefore depend on their ability to fill in missing details, rather than on the released artifacts alone. We ask whe
阅读原文 · Yubo Wang, Rui Meng, Jaehyun Nam, Tomas Pfister, Jinsung Yoon
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文关心一件很实际的事： 为什么论文复现这么难，以及能不能把“复现过程中摸索出来的经验”保存下来，让后面的模型少踩坑。 作者来自 Google 的研究团队，做了一个叫 ReproBridge 的智能体工作流，把散落在论文、代码仓库、环境配置里的隐性知识整理成标准化产物。摘要给出的数字挺有说服力：四个模型平均复现成功率从 76.4% 提到 92.6%，AP...