연구진은 LLM을 활용해 Manim 라이브러리를 사용한 교육용 애니메이션 실행 코드를 생성하는 방법을 연구했어요. 기존 프레임워크는 교육 콘텐츠에 집중하는 반면, 기하학적 가려짐 문제를 간과한다는 한계가 있었어요. Symbolic Geometric Agent (SGA)를 제안하여 LLM이 생성한 코드를 검증하고 기하학적 충돌을 감지하여 수정하는 플러그 앤 플레이 모듈을 개발했어요.
SGA는 Manim Visual Quality Score (MVQS)를 도입하여 렌더링 없이 공간 무결성을 평가하는 데 사용하며, MMMC-Code 벤치마크에서 GPT-5.1과 Code2Video 조합 시 최대 73.11의 MVQS를 달성했어요. 이는 기존 방식 대비 16.1% 향상된 수치예요.
SGA는 8가지 LLM 백본과 파이프라인 조합에서 MVQS를 개선하여 교육용 애니메이션의 시각적 품질을 향상시키는 데 기여할 것으로 기대돼요.