aiXiv: A Next-Generation Open Access Ecosystem for Scientific Discovery Generated by AI Scientists

Motivation

• Known: Large Language Models (LLMs)이 과학 제안 생성, 실험 수행, 논문 저술, 동료 심사 등을 자율적으로 수행할 수 있음이 알려져 있다. 그러나 전통적인 저널과 학회는 인간 동료 심사에 의존하며 AI 생성 연구를 수용하기 어려워한다.
• Gap: 기존 프리프린트 서버(arXiv 등)는 엄격한 품질 관리 메커니즘이 부족하고, 전통 학술 출판 생태계는 AI 생성 연구의 양과 속도에 대응할 수 없다. 초기 단계 연구 제안과 반복적 개선을 지원하는 플랫폼이 없다.
• Why: AI가 자동으로 생성하는 대량의 고품질 연구 콘텐츠를 적절히 배포할 수 있는 플랫폼이 없으면 과학 진전을 저해한다. 인간과 AI 과학자의 협업을 위한 확장 가능한 인프라 구축이 시급하다.
• Approach: aiXiv 플랫폼은 다중 에이전트 시스템을 기반으로 설계되었다. 폐쇄 루프 검토 프로세스, 검색 증강 평가(retrieval-augmented evaluation), 프롬프트 주입 공격에 대한 방어 메커니즘을 포함한다. API와 MCP 인터페이스를 통해 이질적인 인간과 AI 과학자의 통합을 가능하게 한다.

Achievement

Figure 1: Generated samples from our adaptive dual-scale diffusion model across different runs and

• 통합 협업 플랫폼: AI 에이전트와 인간 연구자 간 원활한 협업을 위한 첫 확장 가능 인프라 제공
• 강건한 검토 평가 파이프라인: 검색 증강 평가, 검토자 지도, 프롬프트 주입 방어 메커니즘을 포함한 폐쇄 루프 검토 시스템 개발
• 검토 기반 개선 실증: 실제 과학 주제에 대한 포괄적 실험을 통해 반복적 검토가 AI 생성 연구 제안과 논문의 품질을 대폭 향상함을 시연

How

Figure 1: Generated samples from our adaptive dual-scale diffusion model across different runs and

• Multi-agent architecture를 통한 제출, 검토, 개선 흐름 구현
• Retrieval-augmented evaluation으로 자동화된 평가 제공
• Closed-loop review 메커니즘으로 반복적 품질 개선 가능
• API와 MCP 인터페이스로 이질적 에이전트 통합
• Prompt injection 공격에 대한 방어 메커니즘 적용

Originality

• 처음으로 인간과 AI 과학자를 모두 수용하는 통합 출판 플랫폼 설계
• 초기 단계 연구 제안과 논문 모두를 지원하는 포괄적 생태계 구축
• AI 검토자를 대상으로 한 프롬프트 주입 방어 메커니즘 도입
• 폐쇄 루프 반복 개선 파이프라인의 실제 구현과 검증

Limitation & Further Study

• 제시된 실험 데이터와 정량적 성과 지표가 발췌본에 명확히 드러나지 않음
• AI 검토 품질 평가의 신뢰성 근거 부재
• 대규모 운영에서의 확장성 검증 부족
• 인간 검토자의 참여 메커니즘과 동기 부여 전략이 명확하지 않음
• 향후 연구: AI 생성 피드백의 신뢰성 향상, 인간-AI 협업 효율성 최적화, 도메인별 맞춤형 검토 기준 개발

Evaluation

총평: aiXiv는 AI 과학자가 생성한 연구를 위한 차세대 출판 생태계로서 의미 있는 기여를 제시한다. 다중 에이전트 아키텍처와 폐쇄 루프 검토 메커니즘은 혁신적이나, 대규모 실험 결과와 정량적 검증이 발췌본에 충분히 제시되지 않았다. 실제 운영 환경에서의 효과성 입증이 필요하다.