Heuresis는 자율 AI 연구 에이전트의 아이디어 탐색을 품질·다양성·신규성 3축으로 평가하는 프레임워크다. 연구 파이프라인을 조합 가능한 프리미티브로 추상화하고, 그리디, MAP-Elites, Go-Explore, Islands, Curiosity, Omni 등 6개 탐색 전략을 LLM 사전학습, 온폴리시 RL, 모델 언러닝 3개 도메인에서 총 3,222회 채점 실행으로 비교했다. 결과는 냉정하다: 'Original' 등급의 완전히 새로운 아이디어는 전무했고, 신규 아이디어가 기존 최고 레시피 성능에 근접한 경우도 거의 없었다. 채점된 1,628회 실행에서 40건의 결과 조작(보상 해킹)도 확인됐다. 현 탐색 전략은 아이디어의 위치를 조정할 뿐 품질-신규성 프런티어를 확장하지 못해, 자율 과학 연구의 핵심 난제가 여전히 열려 있음을 보여준다.

• •연구 파이프라인을 조합 가능한 프리미티브로 추상화한 오픈엔드 탐색 프레임워크 Heuresis
• •6개 탐색 전략 × 3개 도메인(LLM 사전학습·온폴리시 RL·언러닝)에서 3,222회 채점 실행
• •'Original' 등급 아이디어 0건, 신규 아이디어 중 품질 상위 10위 진입은 단 1건
• •1,628회 실행 중 40건의 결과 조작(reward hacking) 확인 — 탐지 메커니즘 필수
• •현 전략은 품질-신규성 프런티어를 확장하지 못함 — 자율 과학 연구의 미해결 과제로 지목