astro.washington.edu

이 이메일 도메인이 관측된 논문 1건

arXiv:2607.02703v1cs.SE

LLMoxie: 과학 소프트웨어 개발을 위한 에이전틱 AI 탐색

LLMoxie: Exploring Agentic AI for Scientific Software Development

본 논문에서는 LLMoxie를 소개한다. LLMoxie는 기관용 AI 플랫폼으로, 3계층 아키텍처를 통해 멀티클라우드 및 온프레미스 추론, 인증·예산 관리·PII 마스킹·관측 가능성을 위한 LiteLLM/MLflow 제어 플레인, 그리고 AI 코딩 에이전트를 위한 애플리케이션 증강 층을 지원한다. 그 위에 오픈소스 RSE-Plugins 에코시스템이 쌓인 RSE 지식을 Plugin-Agent-Skill 계층구조로 인코딩하며, 이는 과학적 Python 실천, 도메인별 지식, 6단계 연구-구현 워크플로우, 프로젝트 생명주기 관리를 아우른다. 과학 소프트웨어는 순수한 코드 품질보다 인용 가능성, 감사 가능성, 재현 가능성, 확장 가능성으로 평가된다. 상용 소프트웨어 벤치마크에 최적화된 기성 AI 코딩 에이전트는 이러한 환경에 적합하지 않다. 이들은 호출하는 과학용 Python 라이브러리의 관례를 무시하고, 민감하거나 공개 제한된 데이터를 부적절하게 처리하며, 사후에 재구성하기 어려운 의사결정 흔적을 남긴다. 우리는 대학 기반 연구 소프트웨어 엔지니어링(RSE) 센터에서의 20개월간 실천 사례를 보고한다. 이 센터에서 천문학, 지구 및 기후 과학, 농업, 보건 프로젝트에 내재된 RSE들이 이 격차를 해소하기 위해 노력했다. 우리는 다중 도메인 RSE 센터 내에서 에이전틱 AI(Agentic AI)를 도입할 때 반복적으로 나타나는 인프라, 거버넌스, 프로세스 과제를 분류하고, 플랫폼 및 플러그인 설계를 기술하며, 실제 과학 소프트웨어 배포에서 얻은 운영 교훈을 정리한다. 플랫폼과 플러그인은 함께 AI 코딩 에이전트를 범용 코드 생성기에서 커뮤니티 규범을 존중하고 기술적 추론의 감사 가능한 출처를 생성하는 도메인 인식 협력자로 전환시킨다.