연구 재현은 과학 발전의 핵심이지만, 기존 LLM 에이전트 재현성 벤치마크는 데이터 큐레이션과 평가에 많은 수동 노력이 필요했어요. ReproRepo는 GitHub 이슈를 활용해 실제 재현성 문제 해결을 지원하는 확장 가능한 프레임워크를 선보였어요. 1,149편의 최신 머신러닝 논문을 분석한 결과, Codex + GPT-5.5 에이전트는 논문 당 최소 1개의 관련 GitHub 이슈를 찾아냈어요.
ReproRepo는 눈에 띄는 실패를 식별하고 의미론적 영역을 파악하는 데 효과적이지만, 정확한 위치 추적에는 한계가 있었어요. 이 프레임워크는 LLM 에이전트의 실제 재현성 감사 평가를 위한 재사용 가능한 플랫폼으로 활용될 수 있어요.