누적 발견을 자체 성찰해 열린 과학 탐구를 자율화하는 프레임워크

한줄 요약

누적된 발견을 자체적으로 성찰해 열린 과학 탐구를 자율적으로 수행하는 LLM 기반 프레임워크입니다.

풀어야 하는 문제

기존 자율 과학 발견 시스템은 제약된 탐색 공간에서 작동하거나 사전 정의된 연구 질문에 의존하여 진정한 열린 탐구에 한계가 있었습니다. 또한, 반복적으로 가설을 생성하지만 누적된 발견을 명시적으로 종합하여 복잡하고 상호 연결된 현상을 규명하는 능력이 부족했습니다.

접근 방법

DiscoPER는 LLM을 활용하여 사전 정의된 연구 목표 없이 동적으로 코드를 생성하고 실행하여 데이터셋을 탐색합니다. 모든 발견은 통계적 검정을 통과해야 과학적 타당성을 확보합니다. 핵심은 이전 발견들을 경험적 데이터로 취급하여 구조적 패턴, 교란 요인, 인식론적 공백을 식별하고 탐색을 새로운 영역으로 재지향하는 2차원 메타 반성 메커니즘입니다. 또한, 이미지와 같은 멀티모달 소스에서 정보를 추출하는 도구 사용을 통합하여 탐색 공간을 더욱 확장합니다.

결과·기여

패턴 수준의 지상 진실을 가진 새로운 멀티모달 생태학 지식 벤치마크인 iNatDisco에서 평가된 DiscoPER는 알려진 9개 패턴 중 8개를 복구하고 72.7%의 가설 지지율을 달성했습니다. 이는 고전적 인과 발견과 LLM 기반 기준선들을 능가하는 성과입니다. 소거 실험을 통해 DiscoPER가 더 많은 데이터로 확장 가능하며, 2차원 메타 반성의 이점을 확인했습니다.