연구진은 자연어로 작성된 문제 설명을 양자·하이브리드·양자영감 솔버와 호환되는 QUBO(이차 무제약 이진 최적화) 정식화로 자동 변환하는 멀티에이전트 프레임워크를 제안했다. 기존에는 이진 변수, 제약조건, 목적함수, 페널티 항과 가중치를 사람이 직접 식별해야 해 상당한 도메인 전문성과 시간이 필요했다. 연구진은 12개 응용 분야에서 100개의 조합 최적화 문제를 수집한 벤치마크 QUBOBench를 함께 공개했으며, 제안 프레임워크는 이 벤치마크에서 68%의 정확도를 달성해 단일 호출 기반 baseline보다 22%포인트 높은 성능을 보였다. 분석 결과 반복적인 자가 수정(self-repair) 단계가 성능 향상에 가장 크게 기여한 요소로 확인됐다.

• •자연어 문제 설명을 QUBO 정식화로 자동 변환하는 멀티에이전트 프레임워크 제안
• •12개 분야 100개 문제로 구성된 벤치마크 QUBOBench 공개
• •제안 프레임워크가 QUBOBench에서 정확도 68% 달성, baseline 대비 22%p 향상
• •반복적 자가 수정이 성능 향상의 핵심 요인으로 확인
• •데이터·코드 오픈소스 공개로 재현 가능성 확보