과학 AI 에이전트 군단이 스스로 진화하며 학습한다

핵심 요약

• 과학 연구의 재귀적 자기 개선(RSI)을 위해 과학 에이전트 군단이 실험 경험을 통해 연구 능력을 향상시키는 것을 목표로 한다.
• 기존 접근의 문제점은 실패한 실험 결과가 가설 오류인지 구현 오류인지 불분명하고, 전체 점수가 다른 에이전트에 유용한 부분 결과를 가린다는 것이다.
• SwarmRSI는 피드백 기반 군단 변이(Feedback-Guided Swarm Mutation)로 다른 에이전트의 실험 결과를 이용해 가설과 구현을 개선한다.
• 상호보완적 군단 재조합(Complementary Swarm Recombination)을 통해 유지된 가설과 프로그램 부품을 에이전트 간 재사용하며, 부분 결과도 새 연구에 활용한다.
• 재귀적 군단 진화가 두 메커니즘을 통합해 새로운 실험 증거로 후속 연구를 안내하는 피드백 루프를 형성한다.
• OpenProblems, NatureBench, MLE-Bench Lite 세 벤치마크에서 최고 성능을 달성했으며, 축적된 연구 경험이 미보유 테스크 성능을 향상시킨다.
• 생물학자들이 후속 생물학적 분석을 위해 생성된 프로그램을 직접 재현했다.