연구진은 베이지안 최적화(BO)를 과학적 워크플로우에 적용할 때, 작업 자체의 불확실성이 중요한 원인이 된다는 점에 주목했어요. 이를 해결하기 위해 작업 생성과 최적화를 번갈아 수행하는 개방형 BO 프레임워크인 Generate-Select-Refine (GSR)을 제안합니다.
GSR은 사용자가 제공한 초기 작업에서 시작하여, 작업 획득 함수에 의해 스케줄링되면서 새로운 작업을 조잡하게부터 세밀하게 생성하며 평가를 집중합니다. 결과적으로 단일 작업 BO에 비해 로그 값 후회를 줄입니다.
새로운 제품 개발, 화학 합성 확장, 알고리즘 분석, 특허 재활용 등 다양한 분야에 GSR을 적용한 결과, 기존 LLM 기반 최적화 도구보다 뛰어난 성능을 보여주었습니다.