Google 发布 ReproBridge：把一次成功复现打包给下一个编码 Agent，ML 论文实验复现成功率从 76.4% 升至 92.6%

核心背景与行业痛点

让编码 Agent 复现 ML 论文，难点往往不在模型推理，而在论文与开源代码之间的「缺口」：依赖版本冲突、缺少汇总脚本、超参写在附录、甚至代码有 bug。每个新会话都要从头摸索一遍，既慢又烧 Token。Google 团队想回答一个问题：把第一次成功复现时找到的步骤与决策保存下来，能否让后续独立复现更稳、更便宜？

架构亮点与底层机制

ReproBridge 定义了标准化的「精炼可复现产物」，包含四部分：清理后的代码库、环境配置、实验启动脚本和复现指南，由 Agent 工作流自动构建（主实验由 Opus 5 构建）。下游评测时，新的 Reproducer 会话只拿到论文、任务和原始代码或精炼产物，看不到构建对话和参考答案；另设独立 Auditor 检查执行证据，防止「没跑就报数」。

权威 Benchmark 与实测跑分对比

以下均为论文作者口径：ReproBridge-Bench 共 1,029 个任务。Sonnet 4.6、Sonnet 5、Opus 5、Gemini 3.8 Flash 四个模型的平均成功率从 76.4% 升到 92.6%，下游 API 花费平均降 19.7%，模型间差距从 21.6 缩到 3.9 个百分点。增益最小的是原始复现最强的 Opus 5（+5.5pp），最大的是 Gemini（+23.2pp）。论文也说明各厂商 harness 不同，跨模型比较仅作描述。

开发者实战落地与开箱指南

如果你的 Agent 反复跑不起某个仓库，先别急着换更大的模型：把第一次成功运行的环境、补丁、启动命令和输出映射整理成 README 级指南并提交进仓库，下次让 Agent 直接复用。论文、项目页与 benchmark 细节见 arXiv 2611.08452 与官方项目页；团队可先在自家仓库小规模验证，不要把 92.6% 当成通用保证。