arXiv · cs.AI· Yukun Dong, Linjun Zhang, Tian Zheng·· 7 小时前
机器学习会议提出作者参与的智能体可复现性审计工作流
Author-in-the-loop Agentic Reproducibility Auditing for a Machine Learning Conference
arXiv:2610.22465v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yukun Dong, Linjun Zhang, Tian Zheng
研究任务与主要进展
基于论文摘要，研究人员提出一种作者参与的智能体可复现性审计方法，将结构化清单中的复现说明和限制纳入智能体调查与评估。该系统通过GitHub两阶段工作流连接作者澄清、修订、人工审核和智能体复评；部署覆盖36篇会议论文及133个实验表格和图表，人工审核发现20个问题，后续检查支持关闭全部问题，但部分案例的完整复现仍未验证。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org