연구진은 과학적 발견 시스템이 실험 기록 대신 명시적인 불확실성을 고려한 믿음을 유지해야 한다고 주장해요. BayesEvolve 프레임워크를 소개하며, 실험 증거를 예측 가능한 믿음 상태로 변환하고 이를 바탕으로 실험을 안내해요. BBOB 스타일 블랙박스 최적화 작업에서 기존 방식보다 샘플 효율성이 향상됐어요.
BayesEvolve의 믿음 상태는 보류된 후보군 예측에 유용하며, 불확실성 보너스를 적용한 의사 결정 규칙이 믿음 기반 선택을 선호하는 것으로 나타났어요. 또한, 집중적인 탐색보다는 생산적인 후기 집중을 보여줘요.
연구는 프로그램 및 실험실 발견 영역으로의 확장을 위한 통제된 테스트베드로 활용됐으며, 향후 연구를 통해 더 많은 분야에 적용될 수 있을 것으로 기대돼요.