论文未言之事：为自动化论文复现恢复隐性知识

自动化论文复现（即从学术论文生成可执行代码）的瓶颈并非信息检索，而是论文中必然隐含的隐性知识。本文将该挑战形式化为对关系性、具身性和集体性三类隐性知识的渐进式恢复，并提出一种基于图的 Agent 框架。该框架针对每类知识设有专用机制：节点级关系感知聚合通过分析目标论文与其引用邻居间实现单元的重用与适配关系来恢复关系性知识；执行反馈 refinement 通过运行时信号驱动的迭代调试恢复具身性知识；图级知识归纳则从具有相似实现的论文簇中提炼集体性知识。在涵盖 3 个领域、10 项任务及 40 篇最新论文的扩展版 ReproduceBench 基准测试中，该方法与官方实现的性能差距平均为 10.04%，优于最强基线 24.68%。