Croissant Tasks：用于可复现机器学习评估的元数据格式

可复现性是科学方法的基石，但在机器学习中仍是一个关键挑战。成因包括执行细节交代不足与脆弱的软件环境。以人为中心的补救措施，如清单核查与人工验证，虽有帮助，但需要大量人力且难以规模化。为解决这一问题，我们提出 Croissant Tasks：一种声明式、机器可操作的元数据格式，将底层实现细节抽象为高层规格说明。该格式实现了概念可复现性：通过独立的、由智能体生成的实现来验证论断，而非脆弱的源码复制。我们的贡献包括：（1）Croissant Tasks 规范，将任务问题与解决方案形式化解耦；（2）一个自动化 LLM 流水线，可将现有基准改造为该格式；（3）实证验证，表明自主智能体能够摄取这些规格说明，并从零生成功能可用、结果准确的复现流水线。我们期望这一格式成为机器学习自动化与概念可复现性的新基础。