규칙과 공리가 중요한 과학 분야에서 소형 언어모델은 논리 구조를 재현하기보다 문장 패턴을 흉내 내며 환각을 만들 수 있다. Runzhe Liu 등 연구진은 베이지안 게임과 팀 게임 원리를 결합한 적응형 멀티에이전트 프레임워크 G-Frame을 제안했다. 고품질 데이터 합성과 모델 학습을 폐쇄형 자동 루프로 연결해 분야 제약을 구조화된 추론 과정에 반영하려는 접근이다. 논문은 2026년 7월 9일 arXiv에 제출된 프리프린트다.
연구진은 G-Frame으로 36만3045개의 사고 과정과 19만9589개의 질의응답 쌍을 포함한 화학 특화 말뭉치를 합성했다. 이 데이터로 만든 70억 매개변수 모델을 OmniChem이라 이름 붙였다. 핵심은 여러 에이전트가 상호작용하면서 도메인 제약을 데이터 생성과 검증에 밀어 넣어, 모델이 표면적인 언어 형식보다 규칙 기반 추론을 내재화하도록 유도하는 데 있다.
초록에 따르면 OmniChem은 자체 벤치마크와 ChemBench에서 GPT-4o mini와 동등한 수준의 성능을 냈다. 기본 아키텍처와 비교한 환각은 79.46% 줄었다고 보고했다. 연구진은 분자 설계와 합성 계획에서도 모델의 능력을 시연했으며, 전문 과학 분야의 추론 결함을 멀티에이전트 데이터 생산으로 보완할 수 있다고 주장한다.
결과는 인상적이지만 자체 벤치마크가 포함됐고 환각 감소율도 연구진의 평가 설정에 의존한다. 분자 설계와 합성 계획의 시연이 실험실 검증이나 안전성을 의미하지는 않는다. 또한 합성된 사고 과정이 항상 과학적으로 타당한지, 다른 과학 분야로 일반화되는지는 초록에서 확인되지 않는다. 따라서 OmniChem은 화학 특화 추론의 가능성을 보여준 프리프린트 결과로 보고 독립 평가와 전문가 검증을 기다려야 한다.
원문: arXiv 2607.08403
저작권자 © STORIUM 무단전재 및 재배포 금지
