AutoResearch를 위한 실패 인지형 공유 메모리로서의 부정적 지식
Negative Knowledge as Failure-aware Shared Memory for AutoResearch
AI 지원 연구 시스템은 많은 실패 시도를 생성하지만, 이러한 실패는 드물게 지속 가능한 공유 지식 자산으로 축적된다. 우리는 부정적 지식 메모리 층을 제안한다. 큐레이터 에이전트가 각 실패 시도를 공유 저장소의 경계가 있는 유형화된 기록으로 변환하고, 하류 연구 에이전트가 다음 실험을 제안하기 전에 해당 기록을 명시적으로 채택하거나 거부한다. 우리는 ScienceAgentBench에서의 동일 과제 재시도와 두 개의 비선형 수학-물리 PDE(편미분방정식) 문제에 대한 교차 과제 과학 연구라는 두 가지 설정에서 이 층을 평가한다. 부정적 지식 층은 더 적은 토큰을 사용하면서 기본 AutoResearch 베이스라인을 능가한다. 부정적 지식 저장소를 갖춘 에이전트는 PDE 시스템 연구에서 모든 베이스라인이 해결하지 못하는 새로운 과제를 해결한다. 또한 기존 부정적 지식 저장소가 서로 다른 PDE 문제에서 AutoResearch로 전이되어 성능을 향상시킬 수 있음을 보인다. 이러한 결과는 구조화된 부정적 지식이 메모리 압축이나 디버깅 보조 수단을 넘어, 긍정적 발견과 함께 더 넓은 범위의 AI 참여 과학 연구에서 명시적으로 유지되어야 하는 지식 자산이며, 과학적 메모리를 위한 공동 인프라임을 시사한다. 코드는 https://github.com/hch-wang/Negative_Knowledge 에서 이용할 수 있다.