[devin-ai-integration]

Resumo

Corrige o finding de code scan sfind-862fb47f (deserialização insegura): Study.load fazia pickle.load em <dir>/study.pkl.gz e, no ramo legado, ExpResult.exp_args fazia pickle.load em exp_args.pkl. Uma pasta de estudo plantada (drive compartilhado, arquivo enviado por colaborador) executava código ao ser carregada por archive_studies.search_for_reasons_to_archive, Study.load_most_recent(), relaunch do main.py etc.

Novo módulo agentlab.experiments.safe_pickle com RestrictedUnpickler.find_class:

if (module, name) in SAFE_GLOBALS:          # stdlib/numpy/pandas/pyarrow/omegaconf (lista explícita)
    return super().find_class(module, name)
if in_trusted_package(module) and "." not in name:   # agentlab, browsergym, bgym + $AGENTLAB_TRUSTED_PICKLE_MODULES
    obj = super().find_class(module, name)
    if is_dataclass/Enum/pydantic BaseModel(obj) and in_trusted_package(obj.__module__):
        return obj
raise UnsafePickleError(...)   # subclasse de pickle.UnpicklingError

Usado em Study.load (study.pkl.gz) e ExpResult.exp_args (exp_args.pkl — cobre o ramo legado de Study.load, load_result_df, find_incomplete). Funções, classes não-dados e gadgets via pacotes confiáveis (agentlab.experiments.study + os.system, make_study, ExpResult, …) são recusados antes de serem chamados. O formato em disco não muda (Study.save continua com pickle.dump), então estudos existentes continuam carregando.

Mudança de contrato (sinalizada): agent args definidos fora de agentlab/browsergym agora exigem AGENTLAB_TRUSTED_PICKLE_MODULES=meu_pacote para Study.load/exp_args funcionarem (documentado no README).

GAIA: o GaiaBenchmark guardava o DatasetDict do Hugging Face no pickle do study, o que o unpickler restrito recusa. Agora GaiaBenchmark.__getstate__ grava dataset=None (as tarefas já ficam em env_args_list), sem ampliar a allowlist para datasets.*.

tests/agents/test_agent.py define Cheat*Args no próprio módulo de teste; um fixture autouse adiciona esse módulo a AGENTLAB_TRUSTED_PICKLE_MODULES para o load_result_df (é exatamente a mudança de contrato acima).

Fora do escopo: step_*.pkl.gz / goal_object.pkl.gz (carregados pelo AgentXray) continuam com pickle puro — contêm objetos de resposta de provedores LLM e exigiriam uma allowlist maior; o README avisa para só abrir pastas de fontes confiáveis.

Como testar

• pytest tests/experiments/test_safe_pickle.py — 18 passam. Os 3 testes com payload (study.pkl.gz malicioso, exp_args.pkl legado malicioso, search_for_reasons_to_archive em um results root plantado) falham em main (o arquivo marcador é criado) e passam nesta branch (marcador nunca criado, UnsafePickleError).
• Round-trip real: make_study(...).save() + Study.load para miniwob_tiny_test, miniwob, workarena_l1, webarena/visualwebarena (SequentialStudies), assistantbench, weblinx, ParallelStudies com WebArenaInstanceVars, e os exp_args.pkl de 2024 em tests/data/test_study — 22/22 OK.
• pytest tests/experiments tests/analyze -k "not miniwob and not launch_system and not ray" — 32 passed, 1 skipped.
• GAIA: DatasetDict em memória → GaiaBenchmark → Study.save → Study.load: antes UnsafePickleError: datasets.arrow_dataset.Dataset, depois carrega as tarefas. Rodado com stubs de tapeagents/hydra (não instalados no dev/CI), por isso não virou teste no repo.
• CI: tests/agents/test_agent.py (precisa do servidor MiniWoB) passa no job agentlab.
• Não testado: entradas omegaconf da allowlist (TapeAgentArgs.config: DictConfig) — omegaconf/hydra não estão instalados no ambiente.

Devin-Org: engineering

Link to Devin session: https://devin-gtm.devinenterprise.com/sessions/7c6efa1d1d1d4d0f844f5a4bf0ce8f99
Open in Devin Desktop: https://devin-gtm.devinenterprise.com/desktop/session/7c6efa1d1d1d4d0f844f5a4bf0ce8f99?variant=devin

---

Devin Review

Status	Commit
⚪ Not started	—

Run Devin Review

Enable auto-review to review your pull requests automatically.

---

[devin-ai-integration]

I'll fix CI failures and address comments from users with write access. I'll skip comments containing "(aside)".

• Disable automatic comment, CI, and merge conflict monitoring