AI 연구 보조 도구는 아이디어를 내는 데는 능하지만 이전 아이디어가 왜 실패했는지 기억하는 데는 서툽니다. 새 프리프린트에 소개 된 Sage-Taiyi는 이 약점을 고치도록 설계됐으며, 가장 설득력 있는 근거는 벤치마크 점수가 아니라 그 제안을 따른 뒤 훨씬 잘된 두 가지 화학 반응입니다.
설계는 심리학의 메타인지, 즉 자신의 생각에 대해 생각하는 개념에서 빌려 왔습니다. 첫 번째 층은 과학적 탐색을 맡아 질문을 목표로 나누고, 아이디어를 만들고 다듬고, 실험·논문·인간 전문가에게서 얻은 증거를 저장합니다. 두 번째 층은 그 증거가 무엇을 뒷받침하는지, 어떤 가정이 불안한지, 어떤 질문이 아직 열려 있는지를 계속 파악하고, 이를 바탕으로 다음에 무엇을 조사할지와 어떤 추론 방법을 쓸지 고릅니다. 에이전트가 최신 결과만 좇다가 세 라운드 전의 실패를 잊는 일을 막으려는 것입니다.
팀이 10개 분야 50편의 논문에서 265개 과제를 뽑아 만든 Taiyi-Bench에서 Sage-Taiyi는 종합 54.0점으로, 비교 시스템 중 가장 강한 AI Scientist-v2의 47.9점을 앞섰고 8개 지표 모두에서 1위를 했습니다. 기반 모델은 GPT-5.6-Sol이었고, 비교 대상에는 Codex와 Claude Code 안의 같은 모델, Claude Opus 5, 다른 연구용 에이전트가 포함되어 있어 향상은 더 강한 모델이 아니라 구조 덕분으로 봅니다. 데이터 오염을 줄이기 위해 논문은 모델의 학습 데이터 마감일 이후의 것에서 골랐습니다.
실험실 결과가 더 무게가 있습니다. 화학, 재료 과학, 공학 분야에서 전문가가 이끈 다섯 건의 협업에서 시스템의 제안이 실제로 시험됐습니다. 코발트 촉매 카르보닐화 반응의 조건을 최적화하자 수율이 미량에서 84%로 올랐고, 광촉매 알릴 아미노화 반응은 13%에서 69%로 높아졌습니다. 화학 연구팀이라면 주목할 만한 향상입니다.
조심해야 할 이유도 충분합니다. 벤치마크는 저자들이 직접 만든 것이고, 아이디어는 문헌에 근거한 자동 검증기가 채점합니다. 팀은 인간 전문가와 잘 일치한다고 밝히지만, 여전히 모델이 모델을 채점하는 구조입니다. 다섯 협업은 전문가가 이끌었기 때문에 시스템의 기여와 이를 조종한 과학자들의 기여를 분리하기 어렵고, 좋은 반응 결과 두 건으로는 제안이 얼마나 자주 빗나가는지 알 수 없습니다. 프리프린트이므로 동료 심사를 거치지 않았으며, 저자들은 실행 한 번에 드는 계산 비용도 밝히지 않았습니다.