93% on RepoMod-Bench: porting 200K-line codebases with a proof in the loop

AI 摘要

Bosun 团队提出一种基于“Parity 证明”的代码库移植工作流：先记录原程序在若干用例下的可观测行为（输出、文件读写、进程、退出码等），再让多个 AI 代理分工完成评估、编写证明、实现、修复与整合。在 RepoMod-Bench 的 21 个开源仓库（最大 21.1 万行）上，该工作流通过 93% 的隐藏测试，5 万行以上仓库为 88%；而论文中最佳代理 Claude Code 配合 Opus 4.5 仅 48% 和 20%。团队还做了对照实验，把论文的 Codex 配置换成新模型后达到 74% 和 55%，说明工作流在模型之外额外贡献约 19 个百分点。63 次运行平均每次花费 9.5 欧元、耗时约两小时，全部记录与移植代码已公开。