NOVA 프레임워크는 AI의 반복적 자기 개선을 통한 새로운 지식 발견 과정을 적응 샘플링으로 모델링하고 이론적 한계를 분석한다. 오염, 망각, 탐색 실패, 수락 실패 등 지식 발견 실패 모드를 식별하며, 쉽게 찾을 수 있는 지식이 소진될수록 작은 거짓 양성률도 지식베이스를 무효 결과물로 오염시키는 오염 함정을 규명한다. D개의 진정한 새로운 발견을 얻기 위한 누적 생성 비용이 Θ(c_gen·D^α)임을 증명해 점감하는 수익을 정량화했다. 인간 전문가 입력이 자율 탐색 한계 근처에서 가장 가치 있음을 형식화하여 AI 발견의 한계와 인간 증폭의 역할을 이론적으로 규명했다.

• •AI 자기 개선을 통한 지식 발견을 적응 샘플링 과정으로 모델링하고 성공 조건과 실패 모드를 도출한다.
• •쉽게 찾을 수 있는 지식이 소진될수록 작은 거짓 양성륙도 지식베이스 오염로 이어지는 오염 함정을 형식화한다.
• •D개 발견에 필요한 누적 생성 비용이 Zipf 법칙 지수 만큼 증가하는 점감 수익 법칙을 증명한다.
• •인간 전문가 입력이 자율 탐색 한계 근처에서 가장 효과적임을 수학적으로 형식화한다.