RExBench 显示编码 agent 自主完成研究扩展成功率仅 33%，团队招募人类在环评估

RExBench 评估 LLM agent 能否自主实现 AI 研究论文的扩展，12 个 agent（aider、OpenHands 框架）无一能完成多数扩展，最佳成功率仅约 33%。