개인화 자동 연구: 진정한 AI 공동연구자를 향하여

초록

가설을 생성하고, 관련 연구를 검색하며, 실험을 설계하고, 코드를 실행하며, 전체 논문을 작성하는 AI 공동 과학자들이 연구가 수행되는 방식을 바꾸기 시작하고 있다. 이러한 빠른 진보에도 불구하고, 최첨단 시스템은 여전히 연구자 비의존적(researcher-agnostic) 상태에 머물러 있다. 즉, 연구 목표가 주어지면 출력을 사용할 개별 과학자를 고려하지 않고 참신성, 타당성, 혹은 심사 점수를 최적화한다. 이는 연구에 관한 근본적인 사실, 즉 무엇이 새롭고 가치 있으며 실현 가능한지가 연구자의 기존 연구, 방법론적 레퍼토리, 그리고 연구자가 속한 협력자와 커뮤니티에 달려 있다는 사실을 간과한다. 본 연구에서 우리는 연구 과정의 모든 단계를 개별 연구자의 표현에 조건화하는 개인화된 자동 연구(personalized auto-research) 문제를 제기한다. 우리는 개인화가 편의를 위한 계층이 아니라, AI 시스템이 일반적인 도구가 아닌 진정한 공동 과학자로 기능하게 하는 근본적인 속성이라고 주장한다. 이 문제를 다루기 위해, 우리는 그래프 기반 연구자 맥락을 검색, 가설 탐색, 실험, 작성, 검토 전반에 걸쳐 연결하는 일반적이고 유연한 프레임워크를 제안한다. 이 프레임워크는 세 가지 핵심 구성 요소로 이루어진다: (i) 그래프 기반 연구자 표현, (ii) 전체 연구 파이프라인에 걸친 개인화, (iii) 개인에 근거한 평가. 특히 우리는 서로 다른 연구자가 동일한 목표를 제시했을 때 사실상 동일한 연구를 받게 되어, 새로운 아이디어가 발생하게 하는 암묵적 지식을 지워버리는 획일적(one-size-fits-all) 실패 모드를 강조한다. 마지막으로, 근본적인 미해결 문제와 도전 과제를 논의한다.

English

AI co-scientists that generate hypotheses, retrieve related work, design experiments, execute code, and draft full papers are beginning to change how research is carried out. Despite this rapid progress, state-of-the-art systems remain researcher-agnostic: given a research goal, they optimize novelty, validity, or reviewer score while ignoring the individual scientist who will use the output. This overlooks a fundamental fact about research, namely, that what counts as novel, valuable, or feasible depends on the researcher, including their prior work, methodological repertoire, and the collaborators and communities in which they are embedded. In this work, we introduce the problem of personalized auto-research, which conditions every stage of the research process on a representation of the individual researcher. We argue that personalization is not a convenience layer, but rather the fundamental property that allows an AI system to serve as a genuine co-scientist rather than a generic instrument. To address this problem, we propose a general and flexible framework that threads a graph-grounded researcher context through retrieval, hypothesis search, experimentation, writing, and review. The framework consists of three fundamental components: (i) graph-grounded researcher representations, (ii) personalization across the full research pipeline, and (iii) evaluation grounded in the individual. Notably, we highlight a one-size-fits-all failure mode where distinct researchers issuing the same goal receive essentially the same research, erasing the tacit knowledge through which novel ideas arise. Finally, we discuss fundamental open problems and challenges.