본 논문은 대규모 언어 모델(LLM)이 과학적 아이디어 생성을 가속화하지만, 생성된 제안의 참신성과 사실 정확성을 엄격하게 평가하는 것은 병목 현상이라는 문제를 제기한다. 기존의 검증 방법은 부적절하여, LLM 자체는 환각 현상을 일으키거나 전문 지식이 부족하며, 기존의 인용 네트워크는 명시적인 인과 관계가 없고, 서술적 조사는 비체계적이다. 이러한 문제를 해결하기 위해, 본 논문에서는 과학 문헌으로부터 특정 분야의 진화 트리를 구성하는 계산 프레임워크인 THE-Tree (Technology History Evolution Tree)를 제안한다. THE-Tree는 진화 경로를 탐색하기 위해 검색 알고리즘을 사용하고, "Think-Verbalize-Cite-Verify"라는 과정을 통해 LLM이 잠재적 발전을 제안하고 지원 문헌을 인용하며, 인용된 문헌을 조사하여 각 단계의 논리적 일관성과 증거를 검증한다. 다양한 분야에서 88개의 THE-Tree를 구성하고 검증하며, 71,000개 이상의 사실 검증을 포함하는 벤치마크 데이터셋을 공개한다. 실험 결과, THE-Tree는 그래프 완성, 미래 과학 발전 예측, 중요 과학 논문 평가에서 기존 방법보다 성능을 향상시키는 것을 보여준다.
