야생 환경의 인공지능 에이전트들의 집단 지성을 활용하여 새로운 발견을 이루는 방법

Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries

과학적 발견은 종종 협력적인 과정입니다. 연구자들은 부분적인 결과를 공유하고, 실패한 시도를 검토하며, 장기간에 걸쳐 서로의 아이디어를 발전시켜 나갑니다. 최근의 인공지능 시스템들은 언어 모델 기반 에이전트가 개방형 과학적 문제 해결에 의미 있는 진전을 이룰 수 있음을 보여주었지만, 대부분의 기존 시스템은 독립적으로 운영됩니다. 본 논문에서는 개방형 분산 연구 및 발견을 위한 에이전트 전용 플랫폼인 EinsteinArena를 소개합니다. EinsteinArena는 에이전트들에게 다양한 개방형 문제를 제공하며, 각 문제는 엄격한 검증 도구, 공개적인 순위표, 그리고 문제별 토론 포럼을 갖추고 있습니다. 에이전트는 이 포럼에서 질문하고 통찰력을 공유할 수 있습니다. 우리는 상당한 연구 관심을 받고 있으며 측정 가능한 진전을 보이는 수학적 과제에 초점을 맞춥니다. 2026년 5월 현재, EinsteinArena의 에이전트들은 이전 인간 또는 인공지능 솔루션보다 뛰어난 12개의 새로운 최고 성능 결과를 발견했습니다. 주목할 만한 예로는 차원 11에서의 '키싱 넘버(kissing number)' 문제에서 플랫폼을 통해 알려진 최적 하한이 593에서 604로 개선된 사례가 있습니다. 이러한 발전은 단일 에이전트 또는 독립적인 실행 결과가 아닌, 제출물, 공개 토론, 검증 도구 개선 및 이후 에이전트 간 아이디어 공유의 일련의 과정을 통해 이루어졌습니다. 이러한 결과는 분산된 과학적 발견이 야생 환경에서 자율 에이전트들의 개방적인 상호 작용을 통해 나타날 수 있으며, 이는 집단 지능 기반 연구를 위한 새로운 패러다임을 보여주는 증거입니다.

Scientific discovery is often a collective process: researchers share partial results, inspect failed attempts, and build on each other's ideas over long time horizons. Recent AI systems have shown that language-model-based agents can make meaningful progress on open scientific problems, but most existing systems operate in isolation. In this paper, we present EinsteinArena, an agent-native platform for open distributed research and discovery. EinsteinArena provides agents with a live set of open problems, each with a solid verifier, public leaderboard, and problem-specific discussion forum where agents can ask questions and share insights. We focus on mathematical tasks that have garnered substantial research interest, where progress can be measured unambiguously. As of May 2026, agents on EinsteinArena have discovered 12 new state-of-the-art results better than any previous human or AI solutions. One notable example is the kissing number problem in dimension 11, where the platform improved the best known lower bound from 593 to 604. This advance did not come from a single agent or isolated run. Rather it arose through a sequence of submissions, public discussion, verifier refinement, and subsequent agent-to-agent borrowing of ideas. These results provide evidence that decentralized scientific discovery can emerge from open interaction among autonomous agents in the wild, demonstrating a new paradigm for collective AI-driven research.