스위스 EPFL 연구팀이 LLM에 가우시안 프로세스를 결합해 예측의 불확실성까지 학습하는 과학실험 최적화 기법 'GOLLuM'을 개발해 지난 2일 코드를 공개했다. 관련 연구는 지난달 28일 네이처 머신 인텔리전스에 게재됐다. GOLLuM은 23개 과학실험 벤치마크에서 평균 1위를 기록했으며, 최대 50회 실험 제한 조건에서 상위 5% 성능 조건을 찾아낸 비율이 36.3%로 전통적 베이지안 최적화(29.7%)를 앞섰고, 동일 성능 도달에 필요한 실험 횟수를 40% 이상 줄였다. LLM이 가우시안 프로세스 없이 단독으로 조건을 선택하면 과제에 따라 10~80%까지 실패했지만, GOLLuM은 자연어로 표현된 실험 절차를 그대로 활용할 수 있어 수치화·설명자 설계에 드는 시간을 줄인다는 장점이 있다.

• •LLM과 가우시안 프로세스를 결합해 예측 불확실성을 '의심 탐지기'로 학습에 활용
• •23개 과학실험 벤치마크에서 평균 1위, 상위 5% 조건 발견 비율 36.3%(기존 29.7%)
• •동일 성능 도달에 필요한 실험 횟수를 40% 이상 절감
• •LLM 단독 실험 조건 선택 시 과제별 10~80% 실패율, GP 결합으로 한계 보완
• •자연어로 표현한 실험 절차를 그대로 최적화에 활용해 설명자 설계 시간 단축