Jeonghye Kim

该工作提出 ProgramDistill 基准与全自动 mine–craft–patch 流水线，将 26 个交互式网页应用分解为 1,975 条可重放验证的行为并构建 4,063 个任务，让编码智能体在隐藏源码的情况下通过交互参考应用推断并恢复缺失功能，结果显示九个前沿智能体在完整应用重建中最高成功率 49.2%，且随恢复深度从 1 增至 8，部分应用重建成功率从 100% 降至 64.0%、从 96% 降至 32%。

该工作提出 ProgramDistill 基准与全自动 mine–craft–patch 流水线，将 26 个交互式网页应用分解为 1,975 条可重放验证的行为并构建 4,063 个任务，让编码智能体在隐藏源码的情况下通过交互参考应用推断并恢复缺失功能，结果显示九个前沿智能体在完整应用重建中最高成功率 49.2%，且随恢复深度从 1 增至 8，部分应用重建成功率从 100% 降至 64.0%、从 96% 降至 32%。