Müller 연구진의 2026년 9월 사전 공개 논문은 최적화 상태를 언어 모델 밖에 저장하고 프로그램으로 반복 가능한 실험을 실행하는 구조를 설명한다. 연구진은 디지털 과제 다섯 개와 물리적 플랫폼 두 개를 평가했다고 보고한다. 흐름 화학 실험에서는 23회 실험으로 측정 수율이 30%에서 58.8%로 높아졌다. 별도의 접촉각 실험 결과인 67.8°는 목표 범위 64–66°에 도달하지 못했다.[1]
연구진은 사람이 주도한 실험보다 총비용이 13% 낮았다고 보고하면서도, 통제된 벤치마크가 아니라고 명시한다. 탐색 공간, 초기 설정, 실험 길이와 최종 조건이 달랐다. 모델 추론 비용을 포함한 비교지만 모든 과제의 비용 절감이나 실험실 운영 속도 향상을 입증하지는 않는다. 한 편의 사전 공개 논문이 제공한 근거이며 독립적인 재현 연구가 아니다.
에이전트의 최고 수율은 58.8%로, 사람이 주도한 전체 실험의 70.9%와 소모품 예산을 맞춘 경우의 63.9%보다 낮았다. 실험 횟수가 23회와 50회로 다르다는 점은 총비용 차이를 설명하지만 동등한 결과를 뜻하지는 않는다.[1]
분석과 적용
적용할 때는 반복 작업이 어디서 끝나고 판단이 어디서 시작되는지 물어야 한다. 입력, 측정값, 변경 이유를 보존하면 실험 자체의 실패와 측정 오류를 구분하기 쉬워진다. 확인 가능한 기록은 조사에 도움이 되지만, 그것만으로 판단의 정확성이나 시스템 안전성이 입증되지는 않는다.
04
도입 전 평가표
분석과 적용
- 목표, 허용 범위, 중단 조건을 정의한다.
- 원시 측정값, 해석, 결정을 분리해서 저장한다.
- 유효한 이전 결과를 지우지 않고 누락 또는 오류 측정에서 복구하는지 시험한다.
- 비교 가능한 과제에서 준비, 작업자 시간, 재료, 모델 비용, 장비 점유를 비교한다.
- 성공과 실패를 모두 기록한다. 이는 제안하는 평가 단계이며 논문의 추가 실험 결과가 아니다.
근거 확인하기