연구의 그래프: 연구 아이디어 생성을 위한 지도 학습으로서의 인용 진화 그래프

요약

본 연구는 논문 간의 구조적 관계를 활용하여 연구 아이디어 생성을 돕는 'Graphs of Research (GoR)'라는 지도 학습 방법을 제안합니다. GoR은 시드 논문을 중심으로 인용 위치, 빈도, 출판 시간 등을 고려한 참고 문헌 진화 유향 비순환 그래프(DAG)를 구축하고, 이를 LLM의 미세 조정에 활용합니다. 이 방법은 기존의 정적 검색이나 단순 프롬프트 엔지니어링 방식보다 우수하며, GPT-4o 기반 베이스라인 대비 SOTA 성능을 달성하여 자동화된 과학 혁신 가속화에 기여할 수 있음을 입증했습니다.

핵심 포인트

• 연구 아이디어 생성을 위해 인용 관계를 구조적으로 모델링한 'Graphs of Research (GoR)' 방법론을 제안함.
• GoR은 시드 논문의 2-hop 참고 문헌 이웃 간의 관계(인용 위치, 빈도 등)를 포착하여 논문 진화 DAG로 구성됨.
• Qwen2.5-7B-Instruct-1M 모델에 GoR 구조를 포함한 정교한 프롬프트 상에서 지도 미세 조정(SFT)을 수행함.
• GoR-SFT는 GPT-4o 기반 베이스라인 대비 SOTA 성능을 달성하며, 인용 진화 그래프가 LLM 아이디어 생성의 강력한 지표임을 입증함.