# ProgramDistill：将交互式 Web 应用转化为可验证的参考驱动软件工程任务

> 评测智能体从源码不可见的运行参考中恢复 Web 应用行为的能力，提供覆盖 26 个应用的 4,063 项功能恢复任务，以及独立的 12 应用重建设置，通过重放具有依赖关系的浏览器工作流评分。

- 作者：Jeonghye Kim; Minseon Kim; Young Jin Kim; Matheus Pereira; Marc-Alexandre Côté; Alessandro Sordoni; Xingdi Yuan; Zhengyan Shi
- 原标题：ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks
- 发表载体：arXiv
- 发表状态：预印本
- 出版／提交日期：2026 年 9 月 16 日
- 日期依据：采用 arXiv v1 的首次提交日期；作者博客的较早发布日期另行区分。
- arXiv 首次提交：2026 年 9 月 16 日
- arXiv：2609.18805
- 已复核的 arXiv 版本：v1
- DOI：10.48550/arXiv.2609.18805
- 来源复核于：2026-10-17
- 收录于：2026-10-17
- 原始论文：<https://arxiv.org/abs/2609.18805>
- PDF：<https://arxiv.org/pdf/2609.18805v1>
- 代码：<https://huggingface.co/datasets/microsoft/ProgramDistill>
- 项目：<https://microsoft.github.io/debug-gym/blog/2026/09/programdistill/>
- BibTeX：<https://awesomerea.org/papers/citations/paper-programdistill.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-programdistill/>
- 记录 JSON：<https://awesomerea.org/papers/paper-programdistill/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-programdistill/index.md)

## 研究范围与局限

测试限于自包含应用（包括 SaaS 克隆）中由模型挖掘的有限行为。重放工作流可发现持久化失败，但通过测试不能证明全部后端或数据库不变量成立。被评测智能体接收不含截图的结构化浏览器观察，未衡量视觉保真度。公开验证器与参考解答也不构成抗污染测试集。

## 与本合集的关联

直接研究超越截图到 HTML 的参考驱动行为重建，涵盖有依赖关系的状态变化，并在全新验证环境中检查提交的实现。

## 发表与复核说明

DOI 已可解析，DataCite 记载其于 2026-09-17 注册，尽管 arXiv 仍显示过时的待注册提示。此外，该论文已被 NeurIPS 2026 的 Interpreting Agent Behavior（IAB）非存档研讨会接收，研讨会定于 2026 年 12 月 12 日举行；其 OpenReview 记录于 2026-10-04 发布。该记录与研讨会论文列表将 Xingdi Yuan 排在 Alessandro Sordoni 之前，本条目作者顺序以 arXiv v1 为准。公开版本包含可执行基准任务包，但不包含行为挖掘、任务生成或编排流水线。ProgramDistill 自有产物声明 MIT 许可，所含应用与资源仍适用上游条款。

## 一手来源

1. <https://arxiv.org/abs/2609.18805>
2. <https://arxiv.org/html/2609.18805v1>
3. <https://microsoft.github.io/debug-gym/blog/2026/09/programdistill/>
4. <https://huggingface.co/datasets/microsoft/ProgramDistill/blob/dc782f7003ae00738260996d02d77920d08a5db1/README.md>
5. <https://huggingface.co/datasets/microsoft/ProgramDistill/blob/dc782f7003ae00738260996d02d77920d08a5db1/tasks/full-reconstruction/README.md>
6. <https://huggingface.co/datasets/microsoft/ProgramDistill/blob/dc782f7003ae00738260996d02d77920d08a5db1/tasks/full-reconstruction/baserow_baserow/tests/scorer/trace_schema.py>
7. <https://huggingface.co/datasets/microsoft/ProgramDistill/blob/dc782f7003ae00738260996d02d77920d08a5db1/tasks/full-reconstruction/baserow_baserow/tests/scorer/trace_replay_validator.py>
8. <https://api.datacite.org/dois/10.48550/arXiv.2609.18805>
9. <https://openreview.net/forum?id=FbKJFN0R5L>
10. <https://github.com/iab-agents/iab-agents.github.io/blob/0437015a568d8d541e277833c68ffd213b117c53/src/App.jsx>
11. <https://github.com/iab-agents/iab-agents.github.io/blob/0437015a568d8d541e277833c68ffd213b117c53/src/data/siteData.js>

## 关于此条目

已依据论文及一手来源复核。请通过原始论文或 BibTeX 引用原作者。
原创说明采用 MIT 许可；外部项目、论文与素材保留各自的权利和许可。