DeepRepro：不断发展的存储库中纸张到代码复制的状态感知子规划

代理 大语言模型 (LLM) 的最新进展使软件工程工作流程变得越来越自主，但自动机器学习 (ML) 纸张到代码的复制仍然是一个具有挑战性的长期问题。与传统的代码生成不同，此任务需要构建和维护一个功能齐全的存储库，其状态在执行过程中不断变化。现有系统通常依赖于静态的前期规划，然后是顺序文件级生成，这通常会导致不一致，因为依赖项、接口和执行反馈会随着时间的推移而变化。我们提出了 DeepRepro，一个基于执行状态感知子规划的状态感知框架，用于纸张到代码的复制。 DeepRepro 动态地将不断变化的存储库状态和运行时反馈转换为细粒度的实施子计划，从而在整个存储库构建过程中保持规划与执行保持一致。该框架进一步结合了存储库感知编排和轻量级流程感知界面，用于透明监控长期复制。 PaperBench Code-Dev 上的实验表明，DeepRepro 始终优于强大的科学和商业代码代理基线。