OmniScientist: An Omni-Modal Omni-Discipline AI Scientist

원시 데이터(영상·신호·오디오·3D 등)를 직접 '보며' 가설부터 논문까지 수행하는 범멀티모달 AI 사이언티스트.

이 논문은 한마디로 이미지, 파형, 오디오, 3D, 궤적 같은 원시 과학 데이터를 직접 보면서 가설→실험→논문까지 수행하는 AI 사이언티스트다. 지각 계층과 아이디어·실험·집필 에이전트 3개가 결정론적 파이프라인 안에서 돈다. 신선함 검사, 통계 타당성, 결과 보고 가설 금지(anti-HARKing), 수치 추적성 같은 검증을 코드로 강제한다. 36개 실데이터 사례 전체에서 원시 데이터부터 컴파일된 논문까지 완주했고, 직접 보는 쪽이 미리 뽑은 특징만 주는 버전과 비교해 85% 승률을 기록했다.

핵심 요약

• 텍스트·요약 대신 원시 관측(공간·시간·채널 관계)을 연구 전 과정에 접근 가능하게 해, 데이터 표현이 연구를 제약하는 문제를 풀었다.
• 아이디어·실험·집필 3개 자율 에이전트를 얇은 결정론적 파이프라인으로 제어하고, 신선함·누출·HARKing·추적성 검사를 코드로 강제했다.
• 36개 실데이터 사례(5개 학문군, 4개 증거군) 모두에서 원시 데이터→논문까지 완주, 평균 논문 점수 6.3을 받았다.
• 직접 지각하는 쪽이 미리 계산된 특징만 받는 블라인드 변형 대비 7개 평가 차원 모두에서 앞서고 1:1 비교의 85%에서 이겼다.
• 예시로, 노이즈로 라벨된 지진 데이터 750건 중 21.7%에 실제 지진 신호가 숨어 있음을 발견하고 통계적으로 검증했다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.