DiscoveryRSI: 가치 있는 가설을 재귀적으로 학습하여 발견하기

요약

DiscoveryRSI 프레임워크는 다중 에이전트 진화 탐색을 통해 가설 트리를 개발하고, 재귀적 학습 메커니즘(가설 크레딧 최적화, 하네스 리플레이, 재발견)을 적용하여 연구 과정을 개선합니다. 이 시스템은 생명 과학 도메인에서 가설 품질과 연구 진행 상황을 크게 향상시키는 성능을 입증했습니다.

핵심 포인트

• 다중 에이전트 진화 탐색으로 가설 트리 개발 및 연구 과정 자동화.
• 가설 크레딧 최적화, 하네스 리플레이 등 3가지 재귀 학습 메커니즘 적용.
• 생명 과학 도메인에서 가설 품질을 크게 향상시키는 성능 입증 (4.86점→5.39점).
• 경쟁 모델(GPT-6 Luna, Claude Opus 5) 대비 높은 가설 일치율 및 인간 평가 점수 달성.