OpenNSWM-Lab/FAROS

해결하는 문제

FAROS는 AI 생성 연구에서 근거 부족과 추적 불가능성 문제를 해결합니다. LLM이 근거 없는 연구 아이디어를 생성하는 것을 방지하기 위해 먼저 증거 기반의 정보 검색을 강제하고, 비구조적인 서술적 전달을 구조화된 계약으로 대체하며, 자동 리뷰가 일반적인 피드백이 아니라 실제 실험 결과와 연결된 실행 가능한 피드백이 되도록 보장합니다.

작동 방식

FAROS는 구조화된 과학적 루프를 따르는 다중 에이전트 시스템으로 작동합니다:

1. 아이디어 생성: Qwen과 같은 LLM을 사용해 모호한 관심사를 문헌 검색과 의미 필터링 기반의 구체적인 작업과 방법으로 전환합니다.
2. PlanPackage: 가설, 변수, 수용 기준을 포함한 구조화된 계약을 생성하여 하류 모듈을 안내합니다.
3. 코드 및 실험: 사전 환경에서 실행 가능한 코드를 생성하고 실험을 수행하며, 구조화된 메트릭과 그림을 수집합니다.
4. 논문 작성: 원래 계획과 실험 데이터와 직접 연결된 논문 초안을 작성합니다.
5. ReviewX: 주장, 증거, 측정치 간의 일관성을 검증하는 감사 시스템으로, 결과를 연구 루프에 피드백하여 수정을 가능하게 합니다.

대상 사용자

연구 아이디어에서 출판까지 전 과정을 관리할 수 있는 협업 시스템이 필요한 연구자 및 AI 과학자. 증거의 엄격한 감사 기록과 인간의 감시를 유지해야 하는 사용자에게 적합합니다.

주요 특징

• 증거 우선 접근법: 연구 아이디어를 뒷받침하기 위해 사용되는 문헌은 품질 기준을 통과한 후에만 사용 가능합니다.
• PlanPackage 계약: 타입 기반의 전달 시스템을 사용해 하류 에이전트가 상류 에이전트의 의도를 추측할 필요가 없습니다.
• ReviewX 폐쇄 루프: 주장과 증거의 일관성을 감사하고, 실제 실험 결과가 연구 계획의 수정을 유도할 수 있도록 합니다.
• 인간 중심의 루프: 신뢰성과 신뢰성을 확보하기 위해 중요한 의사결정 지점에서 인간의 승인과 서명을 통합합니다.
• 복구 가능한 워크플로우: 장시간 실행되는 연구 작업 중 데이터 손실을 방지하기 위해 백그라운드 작업과 폴링을 지원합니다.