SCOPE：重放成功证据，而不是重新跑完整机器人场景¶

component_only / L1 CPU 状态重放组件；不是机器人 Agent、完整程序搜索或 held-out 能力评测。

论文信息¶

字段	内容
论文链接	SCOPE，本批核对 v1
公司/机构	一作 Junyang Shu；北京大学王选计算机研究所
首次公开日期	2026-10-16 08:33:56 UTC，arXiv v1；本批在 10-20 官方公告核对，不称今日首发
原文开源代码	VDIGPKU/SCOPE，已有源码、脚本与 Apache-2.0；仓库单任务示例不等于完整论文矩阵
本地 Adapter	无（`adapter: null`）；组件 key：`scope-replay`
本地复现代码	`src/auto_research/agent_research/scope_replay.py`；`scripts/run_oct20_agent_components.py`

原始论文总结¶

背景与主要改动¶

修改机器人控制程序可能修好新场景却破坏旧场景。SCOPE 从开发执行证据建立失败前沿图，区分有证据支持、被反驳和未知检查，按局部修补、阶段重设或策略重生成继续搜索。它记录过去成功实例的完整 API tape，在候选源变化时，抽取至多三个历史见证进行本地有状态重放；重放有分歧的实例才可能安排稀疏真实环境诊断。§3

flowchart LR
    E[开发环境执行] --> N[原生成功判定]
    N --> A[更新 accepted program]
    N --> W[成功实例 API tape]
    P[候选程序] --> R[完整有状态重放]
    W --> R
    R --> C[同一实例认证 / 分歧 / 不可用]
    C --> D[稀疏诊断和后续搜索证据]

原论文 Figure 2 是有状态 API 重放与认证图；Figure 1 是整体搜索流程。需保留二者区别。原图由本批统一资源流程处理。

原论文关键图¶

原论文 Figure 1（关键图）：SCOPE通过有状态重放保留API边界、引用别名和副作用，以诊断优化失败并生成实例内认证；本地仅覆盖明确支持的Python对象图。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式¶

见证 \(w=(P_w,\xi_w,T_w)\) 的每个事件记录请求 \(q_j\)、公共前状态 \(B_j^-\)、返回值或异常 \(v_j\)、公共后状态 \(B_j^+\)：

\[ T_w=\{(q_j,B_j^-,v_j,B_j^+)\}_{j=1}^n. \]

候选从入口重放，逐步匹配请求和前状态，并恢复返回值、异常、共享引用和公共状态突变；完整消费 tape、无额外外部调用且正常终止，才在论文边界假设下为 记录实例 \(\xi_w\) 提供证据。它不是对所有输入的程序等价证明。未知节点不能当失败，重放分歧也不是观测到的环境失败。

尤其要注意：原生环境成功才更新 accepted program，重放不是接受或回滚门。成功源即使有旧实例无法重放，也不应被本地逻辑擅自拒绝。

论文离线与线上效果¶

LIBERO-PRO 为 \(80.66\pm1.46\%\)，相同 GLM-5.3-Flash 的 ASPIRE 为 \(74.14\pm3.11\%\)；Robosuite 为 \(84.48\pm1.67\%\)，同 backbone 对照 \(80.19\pm2.14\%\)。真实机器人总体 40/60 对 24/60；精细操作仍较难。重放仅约原始执行时间的 4.62–6.59%，不代表整套学习便宜，也不是生产线上 A/B。§4 与完整表

本地复现与边界¶

PYTHONPATH=src python scripts/run_oct20_agent_components.py \
  --methods scope-replay --seeds 42,43,44 --device cpu \
  --output runs/oct20-agent/scope-replay.json

真实执行可信 Python 回调的 API 记录与重放：有限标量、字符串键 dict、list、tuple，包含可变容器别名、循环引用、API 返回值指向既有容器、原地副作用和白名单内建异常。前后状态来自同一对象身份表；不能用逐项 deepcopy 破坏别名。另对最终公共状态做保守匹配，防止最后一次 API 之后的本地修改被误认证。

不支持 NumPy 数组/视图、自定义对象、未记录 I/O、非确定性运行时或不可信代码；这些必须是 unavailable 或不满足认证假设，而非成功证据。回调和 source 标识的对应由集成者负责，本模块不执行任意代码文本，也不是恶意回调沙箱。不实现视觉 critic、失败前沿图、LLM repair 或真实环境诊断。

原生 grader 只由 recorder 在完整执行之后调用，不传给被测程序。测试加入错误参数、破坏别名、提前退出、额外调用、终态修改、不可用对象和跨实例使用；return-only 负对照故意漏掉状态恢复，必须失败。失败、分歧与不可用分开保留。归档标量是三 seed 合成协议诊断，不是 LIBERO 成功率。

成本决定¶

附录 B 使用 8×PRO6000 承载语言模型，另有 8×A100 承载视觉/仿真，并覆盖 60 个 LIBERO task–setting 对、7 个 Robosuite 任务、三次独立学习和实体机器人。单卡 A100/A30 或 Mac 无法低成本忠实覆盖。完整实验成本过高，不复现（审查 DONE）；只交付 CPU 有界机制，diagnostic_only=true、promotion_eligible=false、evolve_integrated=false。