최근 과학 연구 분야에서 아이디어 발상, 문헌 합성, 실험 계획 수립 등 다양한 작업에 LLM(대규모 언어모델) 시스템의 활용이 증가하고 있습니다. 하지만 LLM이 제안하는 첫 연구 질문은 그럴듯하게 들리더라도, 도출 과정이나 검증 메커니즘, 숨겨진 가정 등이 명확히 드러나지 않아 과학자들이 신뢰하고 감사(audit)하기 어렵다는 문제가 있었습니다.
이러한 문제를 해결하기 위해 'FirstResearch'라는 새로운 연구 질문 형성 프레임워크가 제안되었습니다. FirstResearch의 핵심은 '연구 질문 인증서(Research Question Certificate)'입니다. 이 인증서는 LLM이 연구 질문을 생성할 때 사용한 기본 정의, 가정, 메커니즘 모델, 모순점, 반증 가능한 가설, 최소한의 결정적 테스트, 그리고 실패 시 업데이트 규칙 등을 구조화된 형태로 기록합니다. 이를 통해 과학자들은 LLM이 제안한 질문이 실제로 실행되기 전에 그 타당성과 과정을 투명하게 검토할 수 있습니다. 딥시크(DeepSeek) 및 제미니 2.5 플래시(Gemini 2.5 Flash) LLM 심사 프로토콜을 사용한 실험에서 FirstResearch는 기존의 프롬프트 기반 방식보다 우수한 성능을 보였으며, 특히 인증서 중심의 접근 방식이 가장 강력한 구성 요소임이 확인되었습니다.
이 연구는 LLM이 단순한 정보 제공자를 넘어, 실제 과학적 발견 과정의 핵심 단계인 '연구 질문 형성'에 더욱 깊이 관여할 수 있는 가능성을 제시합니다. 연구 질문의 감사 가능성(auditable)을 높이는 것은 LLM이 생성한 결과에 대한 과학자들의 신뢰를 구축하고, 잠재적인 오류나 편향을 사전에 발견하여 연구의 효율성과 정확성을 향상시키는 데 필수적입니다. 비록 현재 LLM 심사관을 사용한 예비 결과이지만, 명시적인 파생 제약 조건이 LLM이 생성하는 과학적 질문의 투명성을 높이는 유망한 메커니즘임을 시사하며, 향후 인간 전문가의 검증을 통해 그 가치가 더욱 확고해질 것으로 보입니다.