RepLLM多智能体框架自动复现网络系统论文
RepLLM用四个AI智能体协作，将论文自动转为可运行代码，大幅降低网络研究复现成本。
厦大等团队提出RepLLM，一个多智能体框架，能自动从网络论文中解析架构、生成代码并修复错误，两小时内复现可运行系统，解决网络研究复现难的问题。
正文摘录
  随着网络系统研究复杂度的提升，研究结果复现通常需要研究人员依据论文描述重新实现完整系统。然而，网络领域开源实现比例较低，且系统形态高度异构，涉及算法逻辑、协议流程、实验配置以及不同编程语言与运行环境，例如 Python、C++、Go 以及 P4 等。这使得手工复现不仅成本高、周期长，也容易因实现细节缺失而产生结果偏差。 厦门大学信息学院向乔教授、宋庆禹副教授团队联合上海交通大学、北京邮电大学、亿联网络与清华大学，提出面向网络研究复现的多智能体框架 RepLLM。它能够从论文内容出发，自动完成信息解析、系统架构设计、代码生成以及审计修复。在七项代表性网络系统复现任务中，RepLLM 生成的代码全部实现可运行并成功加载真实数据集；经过有限人工校准后，完整复现通常可在约两小时内完成。论文的第一作者是厦门大学一年级硕士研究生蒋怡宁。 论文将发表于计算机网络领域顶级会议 ACM SIGCOMM 2026。 ACM SIGCOMM（Special Interest Group on Data Communication）是计算机网络领域的旗舰学术会议（CCF A）。