RExBench 基准显示最强编码 Agent 自主研究扩展成功率仅 33%

ACL 2026 论文 RExBench（作者包括 Sebastian Schuster、Najoung Kim 等）提出新基准，评估 LLM 编码智能体能否自主实现「研究扩展」：任务基于 12 篇真实研究论文及其代码库，要求智能体在不依赖人类干预的情况下完成研究扩展工作。结果显示，即使是最强的编码智能体，自主完成研究扩展的成功率也仅约 33%，表明当前智能体距离完全自主的科研能力仍有明显差距。

2026-10-16 ~ 2026-10-16 · 3 条相关

• RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16

另有 2 条近重复转述:najoungkim · najoungkim