본 논문은 실험실 환경에서 연구자를 돕기 위해 과학적 작업을 수행할 수 있는 일반적인 과학 에이전트를 설계하는 것을 목표로 합니다. 기존의 접근 방식은 과학적 작업의 복잡성과 안전성 요구사항을 충족하지 못하는 한계를 가지고 있습니다. 이에 본 논문에서는 구조적이고 시간적인 기억을 통합하여 모델 기반 계획을 가능하게 하는 DAVIS라는 새로운 에이전트를 제시합니다. DAVIS는 인간의 내적 독백과 유사한 에이전트 기반의 다회차 검색 시스템을 구현하여 과거 경험에 대한 추론 능력을 향상시켰습니다. ScienceWorld 벤치마크에서 9개의 과학 과목 중 8개에서 기존 접근 방식보다 뛰어난 성능을 보였으며, HotpotQA와 MusiqueQA 데이터셋에서도 경쟁력 있는 성능을 입증했습니다. 특히, DAVIS는 RAG 파이프라인에 대화형 검색 방식을 사용한 최초의 RAG 에이전트입니다.
