논리 중심 과학적 발견을 지원하기 위한 응용 수학에서 지식 기반 다중 에이전트 시스템을 통해

최근 대규모 언어 모델(LLM)의 발전은 복잡한 과학적 작업을 수행할 수 있는 자율 AI-agent를 가능하게 하면서도, 아직까지는 경험적으로 지배되는 영역에 초점을 맞춘 자동화된 연구 시스템이 많아, 이론적으로 지배되는 영역, 특히 엄격한 증명과 도메인 지식의 합성을 필요로 하는 수학적으로 기반을 둔 학문 분야는 여전히 많이 탐색되지 않았다. 주요 문제점은 대규모로 이론적 논리를 검증하는 것이 어렵고, 자율적으로 최첨단 영역을 탐색하기 위한 논리적 추론 능력이 부족하고, 문헌에서 절차적 힌트가 부족한 점이다. 우리는 이론적으로 지배된 과학적 발견을 위한 논리적 추론 중심의 자율 agent 시스템인 ReasFlow를 소개한다. ReasFlow는 인간 전문가가 주임을 맡고, agent가 엄격한 증명을 수행하는 유능한 대학원생 역할을 하며, 협력적 패러다임을 구현한다. ReasFlow는 (i) 논리적 일관성과 기본적인 오류를 수정하기 위해 인간 검토 이전에 논리적 일관성을 ауд잇하는 강력한 내부 검증 루프를 포함하고, (ii) 인간의 개입을 최소화하기 위해 BOTH 명제적 사실과 놓치고 있는 절차적 힌트를 미리 표면화하는 자동화된 지식 검색 및 개선 기구를 포함한다. ReasFlow는 문헌 합성, 알고리즘 설계, 정리 증명, 실험, 및 논문 준비를 단일 시스템으로 통합한다. 최소한의 지시어로 자율적으로 엄격한 이론적 및 경험적 내용을 포함한 다섯 개의 완전한 연구 논문을 생성하는 데 사용되었을 때, ReasFlow는 LLM 기반 검토 기준의 커레이티드 오픈 액세스 베이스 라인에 따라 state-of-the-art 평가 점수를 지속적으로 달성한다. ReasFlow는 ReasLab 플랫폼을 통해 공개적으로 접근할 수 있으며, AI-assisted 이론적 연구를 위한 협력 작업 공간을 제공한다. Github repo: https://github.com/ReasLab/ReasFlow.git.