대학 공식 자료를 기반으로 한 학위 이수 경로 설계는 스키마가 제각각인 카탈로그·학과 페이지·JSON·PDF에서 교과과정을 재구성하는 문제와, 선수과목 논리·중복 요건 제약 아래 학생별 맞춤 경로를 최적화하는 문제를 순서대로 풀어야 한다. 두 문제를 결합하면 각 실패 유형이 서로를 가려, 스스로 크롤링을 주도하는 플래너가 현재 계획에 필요 없는 사실을 학습하지 못하는 문제가 생긴다. 연구진은 추출을 먼저 완료하는 경계를 강제하는 'KnowPlan'을 제안했다. 사용자 프로필 없이 탐색하는 'CatalogBrowse'는 소스 접근 단위당 기대 한계이득으로 행동을 채점하고 폐쇄 인증서로 종료해 3개의 출처 연결 JSON 문서를 산출하며, 'DegreeMap'은 이 문서만으로 요건 하이퍼그래프를 구성해 실현 가능성·완료 기간·개인화 효용 등을 사전식으로 최적화한다. 100개 대학 실험에서 CatalogBrowse는 전수 크롤러 대비 소스 접근을 47% 줄이면서도 목록 재현율 96.2%를 달성했고, DegreeMap은 하드 실현 가능성 100%를 유지하며 최강 기준선 대비 개인화 효용을 0.066 개선했다.

• •KnowPlan은 교과과정 추출과 학생별 경로 최적화를 순서대로 분리해 처리하는 프레임워크다.
• •CatalogBrowse는 사용자 프로필 없이 탐색해 소스 접근을 47% 줄이면서도 목록 재현율 96.2%를 달성했다.
• •DegreeMap은 CP-SAT로 실현 가능성·비용·개인화 효용을 사전식으로 최적화한다.
• •100개 대학 실험에서 하드 실현 가능성 100%를 유지하며 개인화 효용을 0.066 개선했다.
• •전체 파이프라인은 요청의 99.5%를 인증했고 최적 그래프 대비 효용 격차는 0.015였다.