자율 연구 에이전트(Autonomous research agents)는 이제 가설을 초안하고, 코드를 작성하며, 실험을 수행하고, 논문을 작성할 수 있지만, 실험이 실패할 경우 여전히 취약한 모습을 보입니다. 현재 지배적인 패러다임 하에서 실패 복구는 대개 단일한 자유 형식의 성찰(reflection)에 위임됩니다. 즉, 지표, 로그, 설계 선택 사항이 포함된 풍부한 궤적(trajectory)이 하나의 언어적 비판으로 압축되는데, 이는 종종 국소적인 시행착오로 이어지거나 유용한 문맥을 버리는 급격한 피벗(hard pivots)을 초래합니다. 우리는 이러한 실패 복구 병목 현상을 해결하기 위해 SAGE(Self-correcting, Autonomous, Grounded Experimenter)를 제안합니다. SAGE의 핵심 메커니즘인 다중 가설 실패 귀인(Multi-Hypothesis Failure Attribution, MHFA)은 복구를 구조화된 인과 진단(causal diagnosis)으로 취급합니다. MHFA는 동적인 궤적 특징을 분석함으로써 실패에 대해 증거에 기반한 여러 설명을 체계적으로 생성하고, 그 심각성을 독립적으로 평가하며, 검증된 근본 원인을 적절한 개입 수준(가설, 실험 설계 또는 구현)으로 결정론적으로 라우팅합니다. 과학적 정직성을 보장하기 위해, SAGE는 작성된 결과물이 실제 측정된 값으로 명시적으로 제한되도록 하여 환각(hallucination)된 숫자를 삭제하는 근거 기반 보고 메커니즘(grounded reporting mechanism)을 추가로 채택합니다. 12개 주제, 5개 도메인 벤치마크에서 SAGE는 성찰(reflection) 베이스라인 대비 지표를 포함하는 출력물을 42%에서 92%로 증가시켰고, 결과물 품질을 5.00에서 6.75/10으로 향상시켰으며, AI-Scientist-v2(52.0 대 48.2)를 능가하는 성적을 거두었으며, 이러한 이점은 코드 개발 및 실행에 집중되었습니다. 완전한 자율적 과학 글쓰기와 컨퍼런스 제출 가능한 논문을 생성하는 것은 여전히 학계 전체의 악명 높은 난제로 남아 있지만, SAGE는 현저히 더 신뢰할 수 있고 고품질인 과학적 결과물을 성공적으로 생성합니다. 궁극적으로, 구조화된 복구와 명시적인 근거 제약(grounding constraints)을 결합함으로써, SAGE는 단일 구조의 성찰(monolithic reflection) 패러다임을 크게 능가하며 미래의 자율 연구를 위한 매우 신뢰할 수 있는 토대를 구축합니다.