다중 에이전트 기반 과학 표·그림 분석 향상 프레임워크

초록

본 논문은 과학 논문의 표와 그림을 고품질로 해석·통합·작성하기 위한 대규모 벤치마크 AnaBench와, 네 개의 전문 에이전트(Planner, Expert, Solver, Critic)로 구성된 다중 에이전트 시스템 Anagent를 제안한다. 실험 결과, 훈련 없이도 기존 모델 대비 13.43%·42.12%까지 성능이 상승했으며, 복잡한 멀티모달·장문 상황에서도 일관된 분석을 생성한다는 점을 입증한다.

상세 분석

AnaBench는 63,178개의 인스턴스를 9개 과학 분야(컴퓨터 과학, 전기·전자, 수학·물리·경제·생물·금융·통계·생물의학)와 170개 세부 도메인에 걸쳐 수집하고, 데이터·분석 복잡성을 ‘형식(Type)·도메인(Domain)·포맷(Format)·소스(Source)’와 ‘폭(Width)·깊이(Depth)·목표(Objective)’라는 7가지 차원으로 체계화하였다. 특히 표·그림의 레이아웃 다양성(LaTeX, XML, PDF, HTML)과 장문 컨텍스트(캡션, 본문, 인용)까지 포함해 기존 QA·캡션 생성 벤치마크가 놓친 ‘통합·추론·작성’ 전 과정을 포괄한다.

Anagent는 인간 과학자가 논문을 분석하는 과정을 모방한다. Planner는 입력(표·그림·메타데이터·질문)을 분석해 Mₚ개의 서브태스크 τᵢ를 생성한다. Expert는 각 τᵢ에 대해 도구(검색, OCR, 수치 추출, 도메인 지식 베이스 등)들을 다중 턴으로 실행해 지식 베이스 Kₑ를 점진적으로 확장한다. Solver는 누적된 Kₙ과 피드백 fᵢ₋₁을 활용해 후보 분석 yᵢ를 생성하고, Critic은 일관성·질문 정합·지식 활용·형식·근거 정확도라는 5차원 평가 프로토콜에 따라 fᵢ를 산출해 Solver에 되돌린다. 이 반복 과정을 통해 최종 y를 완성한다.

학습 측면에서 저자는 (1) Few‑Shot 프롬프트를 통한 테스트‑타임 최적화, (2) 각 에이전트별 Supervised Fine‑Tuning 및 Reinforcement Learning(RL) 기반 협업 강화, (3) Agent‑Level Capability Augmentation(더 강력한 LLM으로 개별 에이전트 교체)이라는 세 단계 모듈식 훈련 전략을 제시한다. 실험에서는 GPT‑4.1‑mini, Gemini‑2.5‑Flash, InternVL‑3.5, Qwen‑시리즈 등 8개 베이스 모델을 대상으로 Zero‑Shot, One‑Shot, Fine‑Tuned 설정을 비교하였다. 평가 지표는 ROUGE‑L, BLEU, Word‑Overlap, Cosine‑Similarity, SciBERT‑Score, METEOR 등 lexical·semantic 지표와 MLLM‑as‑Judge가 제공하는 5차원 품질 점수를 포함한다.

결과는 두드러진데, Zero‑Shot 상황에서도 Anagent는 기존 모델 대비 평균 7–9%p(절대) 상승을 보였으며, One‑Shot(1‑shot)에서는 12–13%p, Fine‑Tuned에서는 30%p 이상(전체 정확도) 향상을 기록한다. 특히 ‘깊이 있는 분석(Depth)’과 ‘외부·혼합(Width)’ 요구가 높은 인스턴스에서 Critic‑Guided Refine이 오류 감소와 논리 일관성 강화에 크게 기여한다는 점이 강조된다. 또한 Ablation Study를 통해 각 에이전트와 도구 세트가 독립적으로 기여함을 확인했으며, Agent‑Level Capability Augmentation을 적용했을 때 전체 시스템 성능이 추가 2–3%p 상승한다는 사실도 보고한다.

이 논문은 (1) 과학적 표·그림 분석을 포괄적으로 측정할 수 있는 대규모 벤치마크, (2) 인간과 유사한 단계적 사고와 피드백 루프를 구현한 다중 에이전트 아키텍처, (3) 모듈식 훈련·최적화 전략을 통해 멀티모달 장문 상황에서도 신뢰성 높은 과학적 서술을 자동 생성할 수 있음을 실증적으로 제시한다는 점에서 AI‑assisted 과학 연구 분야에 중요한 전진을 제공한다.