新框架 ReproRepo 使用 GitHub 问题扩展机器学习可复现性审计

研究人员开发了 ReproRepo，一个旨在提高机器学习论文可复现性审计可扩展性的新框架。该系统利用 GitHub 问题作为真实复现障碍的来源，减少了手动数据整理的需求。在对包括由 GPT-5.5 驱动的 Codex 在内的领先 LLM 代理进行测试时，该框架取得了显著成功，即使在不执行代码的情况下，也为大约 90% 的评估论文识别出至少一个相关问题。 AI

影响 通过提高 LLM 辅助可复现性审计的可扩展性来增强科学严谨性。

排序理由 该集群描述了一个新的框架和对用于科学可复现性的 LLM 代理的评估，已在 arXiv 上发布。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• codex
• DagsHub
• GitHub
• Gotit.pub
• GPT-5.5
• Hugging Face
• ReproRepo
• ScienceCast

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →