아이디어 하나면 논문 완성, 자율 연구 AI 'AutoResearchClaw' 등장...23단계 파이프라인으로 학술 논문 전 과정 자동화

[한국정보기술신문] 연구 아이디어 하나만 입력하면 문헌 조사부터 실험 설계, 코드 작성, 결과 분석, 논문 집필까지 전 과정을 인공지능이 스스로 수행하는 오픈소스 프로젝트가 공개됐다. 에이밍랩(AIMING Lab)이 개발한 'AutoResearchClaw'는 대규모 언어모델(LLM)을 활용해 학술 연구의 전 과정을 23개 단계로 나누어 자동으로 수행하는 완전 자율형 연구 파이프라인이다. 깃허브에 공개된 이 프로젝트는 현재 6,400개 이상의 스타를 받으며 연구자 및 개발자 커뮤니티의 높은 관심을 끌고 있다.

AutoResearchClaw의 핵심은 연구 범위 설정부터 최종 출판까지를 8개 단계(Phase)로 구분한 23단계 파이프라인이다. 먼저 연구 범위 설정 단계에서 LLM이 입력된 주제를 구조화된 문제 트리로 분해한다. 이어서 문헌 탐색 단계에서는 오픈알렉스(OpenAlex), 시맨틱스칼러(Semantic Scholar), 아카이브(arXiv) 등 실제 학술 데이터베이스에서 논문을 수집하고 관련성을 평가해 핵심 지식을 추출한다. 가짜 인용이나 허구의 참고문헌을 방지하기 위해 4단계 인용 검증 시스템도 갖추고 있다.

지식 종합 단계에서는 수집된 연구 결과를 종합하고, 다중 에이전트 토론 방식으로 검증 가능한 가설을 생성한다. 실험 설계와 실행 단계에서는 하드웨어 환경을 자동으로 감지해 엔비디아 쿠다(NVIDIA CUDA), 애플 MPS, CPU 환경에 맞게 실험 코드를 생성하고 샌드박스 환경에서 실행한다. 실험 중 오류가 발생하면 스스로 코드를 수정해 복구하며, 최대 10회까지 반복 개선을 시도한다.

이 도구의 가장 주목할 만한 특징은 연구 과정에서 스스로 판단을 내린다는 점이다. 15번째 단계인 연구 결정 단계에서 AI는 실험 결과를 분석한 뒤 세 가지 선택지 중 하나를 자율적으로 결정한다. 결과가 충분하면 다음 단계로 진행하고, 매개변수 조정이 필요하면 실험을 다시 정제하며, 가설 자체가 유효하지 않다고 판단되면 새로운 방향으로 전환한다. 이 과정에서 모든 산출물은 자동으로 버전 관리된다.

자기 학습 기능도 눈에 띈다. 매 실행마다 의사결정 근거, 런타임 경고, 지표 이상 등을 교훈으로 추출하고, 이를 이후 실행에 반영한다. 여기에 메타클로(MetaClaw)라는 별도의 교차 학습 시스템을 연동하면 이전 실행에서 발생한 실패와 경고를 구조화된 기술(Skill)로 변환해 이후 모든 단계에 주입할 수 있다. 개발팀에 따르면 메타클로를 적용했을 때 파이프라인의 전체 견고성이 18.3% 향상되고, 재시도 비율은 24.8% 감소했다.

논문 작성 단계에서는 5,000자에서 6,500단어 분량의 학술 논문을 단계별로 작성한다. 서론, 관련 연구, 방법론, 실험, 결과, 결론으로 구성된 전체 논문 초안을 생성한 뒤, 다중 에이전트 동료 심사를 거친다. 이 심사 과정에서는 방법론과 증거의 일관성을 점검하고, AI가 만들어낸 부자연스러운 표현을 감지하는 기능도 포함돼 있다. 최종 산출물은 뉴립스(NeurIPS), ICLR, ICML 등 주요 학술대회 양식에 맞는 LaTeX 형식으로 출력되며, 참고문헌 파일과 함께 오버리프(Overleaf)에서 바로 컴파일할 수 있는 형태로 제공된다.

품질 관리를 위해 파이프라인 내 세 곳에 관문(Gate)이 설치돼 있어, 사람이 중간 결과를 확인하고 승인 또는 거부할 수 있다. 자동 승인 모드를 사용하면 사람의 개입 없이 전 과정이 진행된다.

AutoResearchClaw는 특정 AI 모델에 종속되지 않는다. GPT-4o를 비롯한 오픈AI 호환 API는 물론, 클로드 코드(Claude Code), 제미니 CLI(Gemini CLI), 코덱스 CLI(Codex CLI) 등 다양한 AI 코딩 에이전트와 ACP(Agent Client Protocol)를 통해 연동할 수 있다. 또한 오픈클로(OpenClaw) 플랫폼과 호환돼, 대화형 인터페이스에서 연구 주제를 입력하는 것만으로 전체 파이프라인을 구동할 수 있다.

최신 버전인 v0.3.1에서는 복잡한 실험 코드를 오픈코드(OpenCode)에 자동으로 위임하는 비스트 모드가 추가됐고, 스레드 안전성 강화와 20건 이상의 버그 수정이 이뤄졌다. 프로젝트는 MIT 라이선스로 공개돼 있어 누구나 자유롭게 사용하고 수정할 수 있다.

AutoResearchClaw는 사카나AI의 AI 사이언티스트(AI Scientist), 안드레이 카파시(Andrej Karpathy)의 오토리서치(AutoResearch) 등 기존 자동화 연구 도구에서 영감을 받아 개발됐다. 연구 아이디어만으로 학회 수준의 논문을 생성할 수 있다는 점에서 학술 연구의 접근성을 크게 높일 수 있는 도구로 평가된다. 다만 AI가 생성한 논문의 학술적 신뢰성과 독창성에 대한 검증은 여전히 사람의 몫으로 남아 있다. 또한 AI 생성 논문의 윤리적 문제와 학술 부정행위 가능성에 대한 논의도 함께 이뤄져야 할 것으로 보인다.