실험하고, 가설을 고치고,
발견하는 방법을 개선하다

세 연구가 확장하는 과학지능 평가

첨부 브리핑은 이전 점검 이후 새로 공개된 자료 가운데 3건을 의미 있는 업데이트로 선정했다. 특히 이번에는 ① 실제 물리 실험을 며칠 동안 수행하는 AI agent, ② abductive explanation을 causal discovery의 학습신호로 정식화한 연구, ③ 연구 agent가 자신의 연구 harness를 반복적으로 개선하는 recursive self-improvement가 각각 중요한 신호이다. 반면 Singularity Gate, SCILAWS-BENCH, TruthInsightBench 자체에는 새로 보고할 중대한 공식 버전 변경이 첨부의 점검 범위에서 확인되지 않았다. 이번에 열람한 Singularity Gate 공식 이력에서 가장 최근에 표시된 버전은 2026년 7월 15일의 v1.1이다. (Singularity Gate [1])

FermiLink: 실험실에서 행동하는 AI

FIRST RELEASE · 2026-09-22

Autonomous Quantum Transport Measurements of 2D Semiconductors by an AI Agent — Brandon Bauer, Matthew Whalen, Kenji Watanabe, Takashi Taniguchi, John Q. Xiao, Tao E. Li, Wenjin Zhao. 주요 연구진은 University of Delaware와 NIMS 계열이다. Wenjin Zhao는 University of Delaware Physics & Astronomy 교수이고, Watanabe/Taniguchi는 NIMS 연구진으로 확인된다. (arXiv [2])

연구가 보고한 기여

FermiLink라는 agent harness를 이용해 사람이 간략한 지시만 주면 AI가 실험계획 수립 → 극저온 장비 조작 → 데이터 분석 → 최종 보고까지 수행한다. 단·이중층 MoS₂에서 최대 6일 동안 자율 측정 campaign을 수행했고, 단층 MoS₂의 conduction-band spin-orbit coupling energy를 결정하고 이중층 MoS₂의 layer/valley-resolved phase diagram을 작성했다. 장비 안전성과 measurement/analysis reliability도 harness의 핵심 설계요소다. (arXiv [2])

Einstein Test에서 읽어야 할 의미

이번 실행에서 autonomous scientific discovery 측면에서 가장 중요한 신규 사례다. 기존 AI Scientist 연구 상당수가 코드·문헌·simulation 안에서 끝났다면, 이 연구는 Plan → Physical Action → Observation → Analysis를 실제 실험실에서 장기간 폐루프로 수행한다. 향후 Einstein Test에는 Embodied Experimental Autonomy를 별도 평가축으로 둘 근거가 강해진다. 다만 연구문제와 실험계는 인간이 제공했고 temporal isolation이나 새로운 물리법칙의 독립적 창안은 평가하지 않았으므로, Einstein-level conceptual discovery의 증거라기보다 self-driving laboratory 역량의 진전으로 보는 것이 정확하다.

확인 범위 · arXiv 초록에서 저자, 2026년 9월 22일 공개, 최대 6일의 캠페인, 단·이중층 MoS₂ 결과와 FermiLink의 안전·신뢰성 설계 방향을 확인했다. 세부 소속 설명은 첨부 브리핑을 따른다. 최대 6일은 보고된 캠페인 길이이며, 모든 환경에서 무개입 운용을 보장하는 수치가 아니다.

xWhyL: 설명을 학습하고 틀리면 기각하다

FIRST RELEASE · 2026-09-22

xWhyL: Causal Interactive Learning — Nicholas Tagliapietra, Florian Peter Busch, Moritz Willig, Matej Zečević, Lavdim Halilaj, Juergen Luettin, Kristian Kersting; Bosch Center for Artificial Intelligence · TU Darmstadt · hessian.AI 연구진

연구가 보고한 기여

사람의 설명(explanation)을 단순 사후 해석이 아니라 causal discovery를 위한 학습신호로 사용한다. 설명이 허용하는 causal model 집합을 Explanatory Equivalence Class(EEC)로 정의하고, observational data가 만드는 Markov Equivalence Class와 결합해 causal ambiguity를 줄인다. 특히 설명 자체가 틀릴 수 있음을 전제로, 데이터와 설명이 충돌하는 Causal Tug-of-War를 분석하고 잘못된 설명을 흡수하지 않고 기각할 조건을 제시한다. (arXiv [3])

Einstein Test에서 읽어야 할 의미

abductive reasoning을 Einstein Test에 넣는 방법을 이론적으로 구체화하는 데 중요하다. AI가 “그럴듯한 설명”을 생성하는 것만으로는 충분하지 않고, 그 설명을 causal hypothesis로 변환한 뒤 관측증거와 충돌할 때 버릴 수 있는가가 평가되어야 한다. 즉 Abductive Explanation → Candidate Causal Model → Evidence Conflict → Hypothesis Rejection/Revision이라는 평가 구조를 정당화한다. 다만 자체적으로 AGI나 temporal-isolation benchmark를 제시하는 연구는 아니므로 평가 원리 측면의 기여로 보는 것이 적절하다.

AIDE²: 발견하는 방법을 개선하다

FIRST RELEASE · 2026-09-22

Recursive self-improvement of AI research agents — Dhruv Srikanth, Bingchen Zhao, Dixing Xu, Yuxiang Wu, Zhengyao Jiang · Weco AI

연구가 보고한 기여

AIDE²가 자신의 research-agent code/harness 자체를 수정하고 hidden evaluation으로 개선안을 선별한 뒤, 채택된 agent가 다음 단계의 수정 대상이 되는 폐루프를 구현했다. 8일간의 자율 실행에서 7개의 연속적 개선을 발견했으며, 개선된 agent는 ML engineering·heuristic algorithm engineering·physics-based weather forecasting을 포함한 4개 held-out benchmark에서도 human-engineered production agent와 동급 이상을 기록했다. 별도 held-out task에서는 reward hacking 비율이 55%→32%로 감소했다. (arXiv [4])

Einstein Test에서 읽어야 할 의미

AGI 평가에서 중요한 신규 신호다. 특히 평가대상이 고정된 foundation model 하나만이 아니라 Model + Harness + Memory + Search Policy + Evaluator 전체 시스템임을 다시 보여준다. 그러나 이를 곧바로 “recursive intelligence explosion”이나 AGI 증거로 해석하는 것은 과도하다. 개선대상과 hidden benchmark가 명시되어 있고, 개선은 주로 연구 효율·search/memory architecture에서 발생했다. Einstein Test에서는 따라서 한 번의 과학적 성공과 별도로 동일 시스템이 실패 경험을 바탕으로 자신의 discovery process 자체를 지속적으로 개선하는가를 meta-level 평가축으로 둘 가치가 있다.

Operational Einstein Test의 확장 구조

출처: Autonomous Quantum Transport — arXiv · xWhyL — arXiv · AIDE² Recursive Self-Improvement — arXiv

이번 세 연구를 함께 보면 Operational Einstein Test의 평가 범위를 한 단계 확장할 필요성이 더 분명해진다. 지금까지 주된 구조가

이었다면, 새 결과들을 반영하면 다음처럼 보는 것이 더 적절하다.

특히 xWhyL은 “설명이 틀렸을 때 버릴 수 있는가”, FermiLink 연구는 “실제 세계에 개입하고 관측할 수 있는가”, AIDE²는 “발견을 수행하는 방법 자체를 개선할 수 있는가”를 각각 추가한다. 현재로서는 세 연구 모두 단독으로 Einstein-level AGI를 입증하지 않지만, abduction → causal criticism → embodied experimentation → meta-improvement라는 보다 강한 AGI 과학평가 구조가 실제 구현 가능한 구성요소들로 채워지고 있다는 점이 이번 실행의 가장 중요한 변화이다.