EO-Agents는 NASA 지구관측 지식그래프에 근거해 과학 가설을 생성하는 3-에이전트 LLM 파이프라인이다. 과거 데이터셋 공동 사용 관계로 학습한 이종 그래프 신경망이 후보 데이터셋 조합의 순위를 매기고, LLM 에이전트 3개가 필터링·생성·평가를 분담해 구조화된 연구 가설을 만든다. NASA 데이터셋 1,475개에 적용해 생태수문학, 빙하학, 에어로졸-구름 상호작용 등 여러 지구과학 분야에 걸친 160개 가설을 생성했으며, 모델이 예측한 새 데이터셋 조합은 문헌상 실제 공동 사용 사례와 거의 같은 수준의 타당성 평가를 받았다. GPT-5.2와 Claude Sonnet 4.6을 쓴 2×2×2 요인 실험에서 가설 순위는 안정적이었으나 절대 점수는 심판 모델에 크게 좌우돼 단일 LLM 심판 평가의 한계도 드러났다. ICML 2026 AI for Science 워크숍 채택.
- •비구조화 문헌 대신 NASA 지구관측 지식그래프에 직접 근거한 가설 생성 구조
- •공동 사용 이력으로 학습한 이종 GNN이 데이터셋 조합 랭킹 → 3-에이전트가 필터링·생성·평가 분담
- •NASA 데이터셋 1,475개에서 지구과학 여러 분야의 가설 160개 생성
- •모델 예측 신규 조합이 실제 문헌상 공동 사용 사례와 거의 동등한 타당성 평가
- •GPT-5.2·Claude Sonnet 4.6 요인 실험: 순위는 안정적이나 절대 점수는 심판 의존 — 단일 심판 평가의 한계
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
EO-Agents: A Three-Agent LLM Pipeline for Earth Observation Hypothesis Generation
- 1.NASA 지구관측 지식그래프에 근거한 3-에이전트 LLM 가설 생성 파이프라인 제안
- 2.이종 GNN이 과거 공동사용 관계로 데이터셋 쌍 순위, LLM이 가설 생성·평가
- 3.1,475개 NASA 데이터셋에서 160개 가설 생성, 생태수문·빙하학 등 다수 분야 망라
- 4.GPT-5.2·Claude Sonnet 4.6 실험에서 순위는 안정적이나 절대 점수는 심사자에 좌우
왜 중요한가?
기존 LLM 가설 생성이 비정형 문헌·자유서술에 의존한 것과 달리 구조화된 지식그래프에 근거를 두어, 모델이 제안한 새 데이터셋 조합이 실제 문헌 조합만큼 그럴듯하게 평가돼 미탐색 연구 조합을 발굴하는 실효성을 보였다.
본문 미리보기
arXiv:2607.01584v1 Announce Type: new Abstract: Large language models have recently been explored for scientific hypothesis generation, but most prior work relies on unstructured literature and free-form textual claims. We present a pipeline for Earth observation that grounds hypothesis generation directly in the NASA Earth Observation Knowledge Graph. A heterogeneous graph neural network trained on historical co-usage relations ranks candidate dataset pairings, and a three-agent LLM pipeline f
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
