RecreationWorld：用“复刻”把界面操作与写代码缝进同一条长程轨迹
该工作提出 RecreationWorld 框架与 RecreationBench 基准：给定一个正在运行的参考应用，智能体须自行探索其行为并交付可构建、可运行的复刻实现，框架在 Ubuntu、macOS、Windows、Android、Web 五个平台提供可复现环境与统一 GUI+编码工具链，用参考派生的隐藏程序化与视觉断言自动评分，并据此生成 35,000 条经筛选的复刻轨迹用于训练；评测显示 GPT-6 Astra 以 58.1% 总体得分领先，但仅 2.8% 任务通过全部程序化测试，且复刻在静态界面结构上比在交互与计算结果上更可靠。