RExBench: Can coding agents autonomously implement AI research extensions?

 

개발자라면 누구나 한 번쯤은 상상해 봤을 겁니다.
"AI가 스스로 복잡한 소프트웨어 엔지니어링 작업을 수행할 수 있다면 어떨까?"

 

RExBench는 바로 그 상상을 연구 수준에서 현실로 끌어내린 프로젝트입니다. 기존의 대규모 언어 모델(LLM)들이 대부분 기존 연구 파이프라인의 일부 작업 수행에 초점을 맞춘 것과는 달리, RExBench는 연구 확장 및 구현을 지향합니다.

 

이 논문이 흥미로운 이유는 단순히 "기술적 진보" 수준을 넘어서, 12개의 현실적인 연구 실험 구현 작업 안에서 사용자의 연구 가설을 탐구할 수 있도록 설계되었다는 점입니다. 예를 들어, 기존 연구 논문과 코드베이스를 확장하는 작업을 통해, AI가 실제로 연구 확장을 수행할 수 있는지 평가합니다. 이제 진짜로 'AI 연구 보조자'가 나타난 거죠.

 

✅ 어떻게 작동하나요? – RExBench의 핵심 아이디어

 

RExBench가 도입한 가장 눈에 띄는 개념은 바로 "연구 확장 구현 작업"입니다. 이는 기존 연구를 기반으로 새로운 가설을 탐구하고, 이를 구현하는 작업을 포함합니다.

 

이러한 작업들은 실제로 자동 평가 인프라로 구현되며, 이를 통해 에이전트의 출력이 성공 기준을 충족하는지 여부를 평가하는 게 RExBench의 강점입니다.

 

이 모델은 총 3단계의 평가 과정을 거쳐 만들어졌습니다:

• 작업 설정 – 기존 연구 논문과 코드베이스를 기반으로 확장 작업을 설정합니다.
• 에이전트 실행 – 에이전트가 주어진 작업을 수행하도록 합니다.
• 결과 평가 – 자동 평가 인프라를 통해 에이전트의 출력이 성공 기준을 충족하는지 확인합니다.

 

✅ 주요 기술적 특징과 혁신점

 

RExBench의 핵심 기술적 특징은 크게 세 가지 측면에서 살펴볼 수 있습니다.

 

1. 자동 평가 인프라
이는 에이전트의 출력이 성공 기준을 충족하는지 자동으로 평가하는 시스템입니다. 기존의 수동 평가 방식과 달리, 자동화를 통해 평가의 효율성과 정확성을 크게 향상시켰습니다.

 

2. 데이터 오염에 강한 설계
RExBench는 데이터 오염에 강한 구조로 설계되었습니다. 이를 위해 다양한 데이터 검증 기법을 도입했으며, 이는 평가의 신뢰성을 높이는 데 기여했습니다.

 

3. 다양한 에이전트 프레임워크 지원
마지막으로 주목할 만한 점은 다양한 에이전트 프레임워크를 지원한다는 것입니다. 이를 통해 다양한 접근 방식을 시험하고, 각 접근 방식의 장단점을 비교할 수 있습니다.

 

✅ 실험 결과와 성능 분석

 

RExBench의 성능은 다음과 같은 실험을 통해 검증되었습니다.

 

1. 에이전트의 자율 구현 성능
12개의 연구 확장 작업에서 에이전트들은 대부분의 작업을 자율적으로 구현하지 못했습니다. 이는 현재 에이전트들이 현실적인 연구 확장 작업을 처리하기에는 부족하다는 것을 보여줍니다.

 

2. 인간의 힌트 제공 시 성능
인간이 추가적인 힌트를 제공했을 때, 에이전트의 성공률은 40% 미만으로 개선되었습니다. 이는 여전히 인간의 상당한 지도가 필요함을 시사합니다.

 

3. 다양한 프레임워크에서의 평가
aider, Claude Code, OpenHands와 같은 다양한 프레임워크에서 에이전트를 평가한 결과, 각 프레임워크의 특성에 따라 성능이 다르게 나타났습니다. 이는 프레임워크 선택이 성능에 영향을 미칠 수 있음을 보여줍니다.

 

이러한 실험 결과들은 RExBench가 연구 확장 작업의 자율 구현을 평가하는 데 효과적임을 보여줍니다. 특히 현재 에이전트의 한계를 명확히 드러내며, 향후 발전 방향에 중요한 시사점을 제공합니다.

 

✅ 성능은 어떨까요?

 

RExBench는 aider와 Claude Code라는 첨단 벤치마크에서 각각 성능 수치1, 성능 수치2이라는 점수를 기록했습니다. 이는 비교 모델/시스템 수준의 성능입니다.

실제로 연구 확장 작업을 수행할 때, 특히 복잡한 코드 구현에서도 꽤 자연스러운 반응을 보입니다.
물론 아직 "자율성" 영역에서 약간의 미흡함이 존재하긴 하지만, 현재 수준만으로도 다양한 서비스에 활용 가능성이 큽니다.

 

✅ 어디에 쓸 수 있을까요?

 

RExBench는 단지 새로운 모델이 아니라, "AI 연구 보조자"라는 흥미로운 방향성을 제시합니다.
앞으로는 더 많은 연구 자동화, 예를 들면 자동 코드 생성, 연구 가설 테스트까지 인식하게 될 가능성이 큽니다.

• AI 연구: 연구 확장 작업의 자동화를 통해 연구 효율성을 높일 수 있습니다.
• 소프트웨어 엔지니어링: 복잡한 코드 구현 작업을 자동화하여 개발 시간을 단축할 수 있습니다.
• 교육: AI를 활용한 연구 교육 도구로 활용할 수 있습니다.

이러한 미래가 RExBench로 인해 조금 더 가까워졌습니다.

 

✅ 개발자가 지금 할 수 있는 일은?

 

RExBench에 입문하려면, 기본적인 AI 연구와 코딩 기술에 대한 이해가 필요합니다.
다행히도 GitHub에 예제 코드가 잘 정리되어 있어, 이를 통해 쉽게 학습할 수 있습니다.

실무에 적용하고 싶다면?
필요한 데이터와 리소스를 확보하고, 다양한 연구 확장 작업을 테스트하면서 모델을 적용하는 것이 핵심입니다. 또한, 지속적인 성능 개선 작업도 병행되어야 합니다.

 

✅ 마치며

 

RExBench는 단순한 기술적 진보를 넘어, AI 연구 자동화를 향한 중요한 이정표입니다. 이 기술이 제시하는 가능성은 연구 생태계의 미래를 재정의할 잠재력을 가지고 있습니다.

 

우리는 지금 기술 발전의 중요한 변곡점에 서 있으며, RExBench는 그 여정의 핵심 동력이 될 것입니다. 당신이 이 혁신적인 기술을 활용하여 미래를 선도하는 개발자가 되어보는 건 어떨까요?

 

⨠ 논문 원문 보러가기

 

✅ 같이 보면 좋은 참고 자료들

 

How to Design and Train Your Implicit Neural Representation for Video Compression
- 논문 설명: 비디오 압축을 위한 암시적 신경 표현(INR) 방법은 최근 전통적인 파이프라인과 경쟁할 수 있는 시각적 품질과 압축 비율을 달성했습니다.
- 저자: Matthew Gwilliam, Roy Zhang, Namitha Padmanabhan, Hongyang Du, Abhinav Shrivastava
- 발행일: 2025-06-30
- PDF: 링크

FADRM: Fast and Accurate Data Residual Matching for Dataset Distillation
- 논문 설명: 잔차 연결은 모델 아키텍처 수준에서 광범위하게 연구되고 널리 적용되었습니다.
- 저자: Jiacheng Cui, Xinyue Bi, Yaxin Luo, Xiaohan Zhao, Jiacheng Liu, Zhiqiang Shen
- 발행일: 2025-06-30
- PDF: 링크

Teaching Time Series to See and Speak: Forecasting with Aligned Visual and Textual Perspectives
- 논문 설명: 시계열 예측은 전통적으로 단일 모드의 수치 입력에 의존하는데, 이는 종종 고수준의 의미 패턴을 포착하는 데 어려움을 겪습니다. 그 이유는 이러한 입력이 밀집되고 비구조적이기 때문입니다.
- 저자: Dong Sixun, Fan Wei, Teresa Wu, Fu Yanjie
- 발행일: 2025-06-30
- PDF: 링크