불확실성 학습한 LLM, 과학 실험 탐색 바꾼다

인공지능신문에 따르면 EPFL 연구팀은 LLM에 가우시안 프로세스를 결합한 '골룸'을 공개했으며, 이 방식은 과학 실험의 최적 조건을 찾는 데 필요한 횟수를 40% 이상 줄였다고 9월 2일 밝혔다. 23개 벤치마크에서 평균 1위를 기록한 배경에는, 모델이 답만 내놓는 대신 예측의 불확실성까지 함께 다루도록 만든 설계가 있었다. 연구팀은 LLM이 과거 실험 결과를 바탕으로 조건들 사이의 유사성과 차이를 스스로 재구성하며 탐색 전략을 다듬는다고 설명했다. 기존 접근은 분야가 달라질 때마다 설명자 설계와 모델 조정이 다시 필요해 활용 장벽이 컸지만, 이번 방식은 자연어로 적힌 실험 절차를 바로 최적화에 활용할 수 있게 했다. 반대로 LLM이 이런 보정 없이 직접 조건을 고르면 존재하지 않는 구조를 제안하거나 범위를 벗어난 답을 내놓는 등 불안정성이 크게 드러났다고 전했다. 연구팀은 이 기술이 과학 지식을 폭넓게 담은 언어모델의 장점을 살리면서도 환각 위험을 실험 최적화 안에서 통제하는 방법이 될 수 있다고 봤다.