연구자들은 AI 기반 자율 연구(AR) 시스템의 효율성을 평가할 때 결과 품질뿐 아니라 탐색 과정의 효율성도 중요하게 고려해야 합니다.
AR 시스템이 실제 과학 분야로 확장되면서 솔루션 평가에 비용이 많이 드는 물리적 실험이 필요해짐에 따라 탐색 효율성이 더욱 중요해질 것입니다.
연구진은 Pareto 프론티어의 곡선 아래 면적(AUC)을 활용하여 AR 시스템의 효율성을 평가하고, 다양한 탐색 알고리즘을 비교한 결과, 특정 알고리즘이 항상 가장 효율적인 것은 아니었습니다.
최적의 탐색 정책을 미리 알 수 없다는 점을 고려하여, 연구진은 고정된 평가 예산을 여러 탐색 프로세스에 동적으로 할당하는 '유체 탐색'이라는 적응형 절차를 도입하여 전반적인 탐색 효율성을 높였습니다.