과학 이미지 생성의 정확성을 검증하는 AI 모델 개발

핵심 요약

• 회로도, 기하학 그림, 함수 그래프 같은 과학 이미지 생성의 정확성을 자동으로 검증하는 것이 중요한 과제다.
• 기존 검증 모델들은 자연 이미지에 최적화되어 있고 판정을 점수 하나로 압축하는 식이라 과학 분야의 복잡한 오류를 설명하거나 수정하기 어렵다.
• 연구진은 SciGen-Verify라는 벤치마크를 구축했는데, 지시 따르기·다학제 추론·상식 등을 포함하고 3단계 판정 체계(이진 판정, 설명, 수정 지시)를 갖추고 있다.
• SciGen-Verifier라는 멀티모달 검증 모델을 개발했으며, 기초 지도 학습 후 커리큘럼 기반 강화학습 2단계 파이프라인으로 학습된다.
• 루브릭 기반 보상은 먼저 과학적 추론을 강화하고, 결과 보상은 출력을 정답과 정렬하는 방식이다.
• SciGen-Verify 벤치마크에서 SciGen-Verifier는 훨씬 더 큰 프로프라이어터리 모델들과 경쟁력 있는 성능을 달성했다.
• 개발된 모델은 실제로 이미지 수정을 위한 반복적 비평가로도 활용될 수 있다.