양자장론·끈이론 문제에 AI 에이전트를 적용하는 Actor–Critic–Judge 파이프라인 SCALAR를 소개하고, 연구자와 에이전트의 상호작용 방식이 결과에 미치는 영향을 연구합니다. Actor가 해답을 제안하고 Critic이 반복 피드백을 제공하며 Judge가 참조 해답과 비교 평가합니다. 다회전 대화는 단발성 시도보다 전반적으로 향상되었지만, 개선 메커니즘과 최적 프롬프트 선택은 Actor-Critic 쌍에 따라 크게 달라집니다. 비대칭 Actor-Critic 설정(약한 Haiku Actor + 강한 Sonnet Critic)에서 건설적 피드백이 성과를 가장 잘 향상시켰습니다.

• •SCALAR은 양자장론·끝이론 문제에 적용된 Actor–Critic–Judge 파이프라인으로, Actor 페르소나·Critic 피드백 전략·모델 스케일을 체계적으로 실험한다.
• •다회전 대화는 단발성 시도보다 일관되게 향상되지만, 개선 메커니즘과 최적 프롬프트 선택은 Actor-Critic 조합에 따라 크게 달라진다.
• •비대칭 설정(약한 Haiku Actor + 강한 Sonnet Critic)에서 건설적 피드백이 평균 점수 성과를 가장 명확하게 향상시키고, 동일 패밀리 설정에서는 전략 효과가 약하다.
• •모델 스케일 확대(예: DeepSeek-R1 8B→8B 70B)는 쉬운 문제 일부를 개선하지만, 가장 어려운 병목 현상은 해결하지 못해 AI 기반 과학 탐구의 한계를 드러낸다.