연구진은 과학적 발견을 가속화하는 LLM의 한계로, 단일 최적 가설 탐색의 어려움과 다양한 대안 가설의 필요성을 지적했어요.
기존 탐색 방식은 다양성 확보를 소홀히 하여 가설 다양성이 감소하는 문제를 해결하기 위해, 가설 탐색을 샘플링 문제로 새롭게 정의했어요.
새로운 진화적 프레임워크 'ours'를 제안하여, 다양한 온도 수준에서 가설을 탐색하고 정보 교환을 통해 탐색 효율성을 높여, 분자 발견, 방정식 발견, 알고리즘 발견 등 다양한 분야에서 기존 방식보다 우수한 성능을 보였어요.