Towards end-to-end automation of AI research
Chris Lu, Cong Lu, R. T. Lange, Yutaro Yamada, Shengran Hu, Jakob Foerster, David Ha, Jeff Clune
AI가 과학 연구의 전체 과정을 자동화하는 파이프라인을 구현하고, 그 결과물이 학회 리뷰를 통과할 수 있음을 보여준다.
과학 자동화는 개별 단계의 자동화에 그쳤으며, 아이디어 구상부터 논문 출판까지 전체 생명 주기를 자율적으로 수행하는 시스템은 아직 실현되지 않았다.
최신 파운데이션 모델을 활용한 복잡한 에이전트 시스템을 구축하여, 연구 아이디어 생성, 코드 작성, 실험 실행, 데이터 분석 및 시각화, 논문 작성, 자체 리뷰를 수행하는 파이프라인을 개발했다. 인간이 제공한 코드 템플릿을 사용하는 집중 모드와 템플릿 없이 에이전트 검색을 활용하는 개방형 모드를 평가했다.
시스템이 생성한 논문은 수용률 70%의 상위 기계 학습 학회 워크숍 1차 리뷰를 통과했다. 이는 AI의 과학적 기여 능력이 성장하고 있으며, 연구 수행 방식의 패러다임 전환을 의미할 수 있다.