대규모언어모델을 이용한 정리 증명기는 명확히 정의된 문제를 상호작용 정리증명 언어로 풀며 빠르게 발전했다. 그러나 새로운 정리를 발견하거나 열린 추측을 해결하는 최전선 수학은 문제가 열려 있고 조건이 덜 명시되며 여러 추상화 층을 넘나든다. Eric Jiang, Terence Tao 등 19명의 연구자는 현재 시스템이 이런 연구 활동을 맡기에는 근본적인 제약이 있다고 진단하고, 문제 풀이기에서 연구 에이전트로의 전환을 제안한다.
2026년 7월 8일 공개된 이 글은 새 성능 기록을 보고하는 실험 논문이 아니라 분야의 방향을 논하는 입장문이다. 저자들은 AI4Math의 데이터셋, 자연어 수학을 형식 언어로 옮기는 자동 형식화, 형식 증명 합성의 흐름을 체계적으로 검토한다. 잘 정의된 목표와 검증기가 있는 과제에서의 성공을 개방형 연구 능력으로 곧장 해석해서는 안 된다는 것이 출발점이다.
연구 에이전트가 되기 위해 해결해야 할 영역으로 데이터, 수학적 대상 사이의 관계 구조, 탐색 능력, 도구 생태계, 인간과 AI의 협업이 제시된다. 최전선 연구는 목표 자체를 다듬고 유망한 보조정리를 찾으며 실패한 경로에서 돌아오는 과정이 필요하다. 형식적 엄밀성은 유지하되, 단일 문제의 증명 문자열을 생성하는 시스템을 넘어 탐색과 지식 연결, 사람의 판단을 지원하는 체계를 설계해야 한다는 로드맵이다.
이 논지는 수학 AI의 성과를 평가할 때 벤치마크 정답률과 실제 연구 기여를 구분하게 한다. 다만 입장문은 미래 시스템의 구체적 구현이나 새로운 정리 발견을 실증한 결과가 아니며, 제안된 로드맵의 우선순위와 실현 가능성은 후속 연구가 검증해야 한다. 인간 수학자의 역할, 귀속과 검증 책임, 도구가 낸 탐색 결과의 신뢰성도 함께 다뤄야 한다. 현 단계의 가치는 해결 선언보다 연구 질문을 구조화한 데 있다.
원문: arXiv 2607.07779
저작권자 © STORIUM 무단전재 및 재배포 금지
