구조가 해방한다: 제약된 의미 해석이 더 혁신적인 연구 산출물을 어떻게 생성하는가

요약

본 논문은 아이디어 발전 과정을 단순한 서론 단계가 아닌 핵심 과정으로 간주하며, 'SCISENSE'라는 의미 해석 기반 프레임워크를 제안합니다. 이 프레임워크는 8가지 인지 단계를 구조화된 시퀀스로 운영화하고, 대규모 연구 경로 데이터셋(SCISENSE-Traj)을 구축했습니다. 특히, LLM이 기존 논문에서 알려진 아이디어 경로(Target 모드)를 재구성하는 것이 새로운 방향성을 제안하는 것(Infer 모드)보다 더 높은 품질과 혁신적인 연구 산출물을 생성함을 보여주었습니다.

핵심 포인트

• SCISENSE 프레임워크는 과학적 발견 과정을 8가지 인지 단계의 구조화된 시퀀스로 모델링합니다.
• 연구 경로 데이터셋(SCISENSE-Traj)은 LLM이 기존 아이디어 경로를 재구성하는 'Target' 모드와 새로운 방향을 제안하는 'Infer' 모드를 포함합니다.
• 실험 결과, Target 모드로 훈련된 LLM이 Infer 모드보다 더 높은 품질과 혁신성을 가진 연구 산출물을 생성했습니다.
• 이는 특정 아이디어(타겟팅)가 다운스트림 에이전트의 인지 부담을 줄여주어 전반적인 탐구의 창의성과 실행 가능성을 높인다는 것을 시사합니다.