Agent Laboratory (AMD / Johns Hopkins University): LLM 기반 Research Assistant. 연구 아이디어를 받아 문헌 검토, 실험, 보고서 작성의 3단계로 진행. 최고의 연구 결과를 생성, 생성된 머신러닝 코드는 최첨단 성능 달성, 연구 비용84% 감소 결과. 연구자들이 낮은 수준의 코딩과 글쓰기보다 창의적인 아이디어에 더 많은 노력을 기울일 수 있게 기대.
Agent Laboratory: Using LLM Agents as Research Assistants (2501, AMD / Johns Hopkins University) (Abstract, 한글 번역) 역사적으로 과학적 발견은 초기 구상부터 최종 결과까지 상당한 시간과 리소스를 필요로 하는 길고 비용이 많이 드는 과정이었습니다. 과학적 발견을 가속화하고, 연구 비용을 절감하며, 연구 품질을 향상시키기 위해 전체 연구 프로세스를 완료할 수 있는 자율적인 LLM 기반 프레임워크인 에이전트 실험실(Agent Laboratory)을 도입했습니다. 이 프레임워크는 사람이 제공한 연구 아이디어를 받아 문헌 검토, 실험, 보고서 작성의 3단계로 진행하여 코드 저장소 및 연구 보고서 등 종합적인 연구 결과물을 생성하고 각 단계에서 사용자가 피드백 및 가이드를 제공할 수 있도록 지원합니다. 다양한 최첨단 LLM을 갖춘 에이전트 실험실을 배포하고 여러 연구자가 설문조사에 참여하여 품질을 평가하고 연구 프로세스를 안내하는 인적 피드백을 제공한 다음 최종 논문을 평가하도록 초대합니다. 저희는 다음과 같은 사실을 발견했습니다: (1) o1-preview로 구동되는 에이전트 실험실은 최고의 연구 결과를 생성하고, (2) 생성된 머신러닝 코드는 기존 방식에 비해 최첨단 성능을 달성할 수 있으며, (3) 각 단계에서 피드백을 제공하는 사람의 참여는 연구의 전반적인 품질을 크게 향상시키고, (4) 에이전트 실험실은 연구 비용을 크게 절감하여 이전의 자율 연구 방식에 비해 84% 감소를 달성했습니다. 에이전트 실험실을 통해 연구자들이 낮은 수준의 코딩과 글쓰기보다 창의적인 아이디어에 더 많은 노력을 기울일 수 있게 되어 궁극적으로 과학적 발견을 가속화할 수 있기를 바랍니다. project : https://agentlaboratory.github.io/ paper : https://arxiv.org/abs/2501.04227 code : https://github.com/SamuelSchmidgall/AgentLaboratory