NeoResearch: Literature- and Experience-Guided Autonomous Time Series Model Discovery

발행일
출처
arXiv
논문 번호
1472
분야
Research Agents
arXiv 번호
2611.18235

이 논문은 LLM 이 논문 지식과 실험 경험을 활용해 도메인별 시계열 예측 모델을 스스로 찾아내는 자율 연구 프레임워크를 만들었다.

이 논문은 한마디로 문헌 채굴과 경험 메모리로 가설을 세워 시계열 예측 모델을 자율 발견하는 NeoResearch 프레임워크를 제안했다. 바깥 루프는 문헌에서 메커니즘과 적용 조건을 뽑아 아키텍처 가설을 만들고 안쪽 루프는 학습 설정을 반복 최적화한다. 계층적 경험 메모리가 성공과 실패 교훈을 조건별로 저장해 다음 과제에 재사용한다. 10개 데이터셋에서 20개 비교 중 19개에서 최저 오차를 기록했다.

핵심 요약

  • NeoResearch 는 아키텍처 탐색의 바깥 루프와 학습 최적화의 안쪽 루프를 묶은 이중 루프 연구 흐름을 썼다.
  • 에이전트는 웹에서 과학 문헌을 찾아 모델링 메커니즘과 경험적 증거, 적용 조건을 추출해 시험 가능한 가설로 만들었다.
  • 계층적 경험 메모리가 문헌 발견과 실험 결과를 조건별 교훈으로 통합해 과제 안팎에서 재사용했다.
  • 10개 데이터셋에서 NeoResearch 는 데이터셋별 20개 오차 비교 중 19개에서 최저 값을 기록했다.
  • 이중 루프 제거 실험에서 두 루프를 모두 뺀 변형보다 열 과제 모두에서 낮은 오차를 보였다.
  • 한계로, Windy 데이터셋에서는 DLinear 와 DeepAR 가 더 낮은 MSE 를 기록해 전 과제 우위는 아니었다.

논문 링크

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

원문 보기 (새 탭에서 열림)