연구 제출량이 수동 검토 역량을 넘어서면서 LLM 기반 논문-코드 불일치 탐지에 대한 관심이 커지고 있다. 하지만 기존 단일 에이전트 LLM 방식은 제한된 맥락 용량과 일방향적 탐지 방식으로 재현율(recall)이 낮다는 한계가 있었다. 연구진은 논문-코드 불일치 탐지를 위한 최초의 이중 탐지 다중 에이전트 시스템 'Dude'를 제안한다. 논문 언어와 코드 언어 간 세분화 수준의 비대칭성이 다중 에이전트 설계에서 과잉 해석과 과잉 보고 문제를 일으켜 오탐을 늘린다는 점을 발견하고, 이를 막기 위해 세분화 수준을 맞추는 협상 방식과 2단계 중요도 필터링 메커니즘을 도입했다. 실제 논문-코드 불일치 데이터셋 실험에서 Dude는 기존 방식 대비 재현율과 정밀도를 최대 22.8%, F1 점수를 최대 18.7% 향상시켰다.

• •연구 제출량 급증으로 수동 검토가 어려워지며 LLM 기반 논문-코드 불일치 탐지 수요 증가
• •기존 단일 에이전트 방식은 제한된 맥락과 일방향 탐지로 재현율이 낮은 한계
• •최초의 이중 탐지 다중 에이전트 시스템 Dude 제안
• •논문-코드 간 세분화 비대칭이 유발하는 과잉 해석·과잉 보고를 세분화 정렬 협상과 2단계 필터링으로 해결
• •실제 데이터셋 실험에서 재현율·정밀도 최대 22.8%, F1 점수 최대 18.7% 향상