GAMBLe는 LLM과 자동 평가를 결합해 알고리즘·증명·설계를 발견하는 AI 주도 연구 시스템(ADRS)을 분석하는 프레임워크다. 시스템을 생성기(G)·평가기(A)·탐색 메커니즘(M)·예산(B) 네 매개변수와 합성 객체인 유효 지형(L_eff=A∘G)으로 분해한다. NP-난해 문제 3종에 대해 760회 이상, 4만 6천 회 넘는 반복 실험을 수행한 결과 생성기·메커니즘 사이에 전체 순서가 존재하지 않았다. 프런티어 모델이 오픈소스보다 못하거나 가장 단순한 메커니즘이 최신 메타탐색을 능가하기도 했다. 적절한 구성 선택만으로 성능을 13~67%, 탐색 효율을 6~39배 끌어올릴 수 있었다.

• •ADRS를 생성기(G)·평가기(A)·메커니즘(M)·예산(B) 4개 매개변수와 유효 지형 L_eff=A∘G로 분해한다.
• •표준 수렴 보장이 의존하는 구조적 가정이 실제 ADRS 과정에서는 성립하지 않음을 보인다.
• •NP-난해 문제 3종에 760회 이상, 4만 6천 회 넘는 반복으로 프레임워크를 검증했다.
• •생성기·메커니즘 간 전체 순서가 없어 프런티어 모델이 오픈소스에, 단순 메커니즘이 SOTA 메타탐색에 밀리기도 했다.
• •60회 반복의 제한 예산에서도 적절한 구성 선택으로 성능 13~67%, 탐색 효율 6~39배 향상이 가능했다.