연구 아이디어 발굴에 LLM 활용이 늘고 있지만, 기존 시스템은 품질 또는 다양성 중 하나만 최적화하는 한계가 있었어요.
IDEAgent는 품질과 다양성을 동시에 추구하는 멀티 에이전트 프레임워크로, 아이디어 진화 과정을 관리하고, 품질은 피드백 기반으로 개선하고, 다양성은 기억과 비교를 통해 확보해요.
Yield라는 지표로 품질 기준을 충족하는 최대 다양성 아이디어 집합을 측정하여 IDEAgent의 성능을 평가한 결과, 기존 방식보다 3.89배 향상된 결과를 얻었어요.
논리적 엄밀성과 명확성을 유지하면서도 독창적인 아이디어를 발굴하는 데 있어 품질 개선과 수리가 중요함을 확인했으며, IDEAgent 코드를 GitHub에서 공개했어요.