프로세스 기반 모델의 베이지안 보정에는 매개변수별 사전분포가 필요하지만, 문헌 기반의 정보적 사전분포를 만드는 작업이 느리고 전문성을 요구해 연구자들은 대개 균일분포에 의존해왔다. Distribird는 문헌을 검색하고 보고된 값을 도메인 관련성에 따라 가중치를 매긴 뒤 AIC 모델 선택으로 확률분포를 적합하는 다중 에이전트 웹 애플리케이션이다. 10개 과학 분야 24개 매개변수에 대해 Qwen3.6, Gemma4, Mistral Small 등 오픈웨이트 모델로 평가한 결과 사전분포 품질은 단일 프롬프트 기준선과 동등했다. 반면 단일 프롬프트 기준선은 30개 사례 중 11개에서 범위를 벗어난 요청에도 근거 없는 사전분포를 자신 있게 내놓은 반면, Distribird는 근거가 부족하면 생성을 거부하고 모든 결과를 원 논문에 추적 연결한다. 모든 계산이 로컬에서 실행돼 민감한 모델링 정보가 외부로 유출되지 않는다는 점도 과학적 활용에서 중요한 장점으로 제시된다.

• •Distribird는 문헌 검색→값 추출·가중치 부여→AIC 기반 분포 적합의 다중 에이전트 파이프라인
• •10개 분야 24개 매개변수 평가에서 단일 프롬프트 LLM 기준선과 동등한 사전분포 품질 달성
• •범위를 벗어난 요청에서 기준선은 11/30건 근거 없는 사전분포 생성, Distribird는 이를 거부
• •모든 사전분포가 출처 논문과 값에 추적 가능하며 신뢰도 수준도 함께 보고
• •모든 언어모델 호출이 로컬에서 실행돼 민감한 데이터가 외부로 전송되지 않음