Description

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

DeepCode: Open Agentic Coding

Summary

近期大语言模型（LLMs）的发展催生了功能强大的编程智能体，使得代码助手有能力进化为真正的代码工程师。然而，现有方法在实现高保真文档到代码库的自动生成（例如从科学论文到代码）方面仍面临重大挑战，其根本原因在于信息过载与 LLM 上下文容量瓶颈之间的冲突。

为此，本文提出 DeepCode，一个完全自主的框架，通过系统化的信息流管理从根本上解决这一问题。DeepCode 将代码库合成视为信道优化问题，通过协调四类信息操作，在有限上下文预算下最大化任务相关信号：

1. 源信息压缩（source compression）：通过蓝图蒸馏（blueprint distillation）压缩输入文档；
2. 结构化索引（structured indexing）：利用状态化代码记忆（stateful code memory）进行高效索引；
3. 条件知识注入（conditional knowledge injection）：通过检索增强生成（retrieval-augmented generation）注入相关知识；
4. 闭环错误修正（closed-loop error correction）：自动检测与纠正生成错误。

在 PaperBench 基准测试上的大量评估表明，DeepCode 达到了最先进（SOTA）性能，显著超越了领先的商业智能体如 Cursor 和 Claude Code，并在关键重现性指标上超过了顶尖机构的博士级人类专家。

通过系统地将论文规范转化为可生产部署的高质量实现，DeepCode 为**自主科学复现（autonomous scientific reproduction）**奠定了新的基础，能够加速科研验证与发现的进程。

原文链接：https://arxiv.org/abs/2512.07921