SciSage는 과학 문헌의 급증에 따라 자동화된 설문 조사 생성 도구의 필요성에 부응하여 개발된 다중 에이전트 프레임워크입니다. 기존의 LLM 기반 방법들의 심층 분석 부족, 구조적 일관성 결여, 신뢰할 수 없는 인용 문제를 해결하기 위해, SciSage는 reflect-when-you-write 패러다임을 채택하여 계층적 Reflector 에이전트를 통해 초안을 개요, 섹션, 문서 수준에서 비판적으로 평가하고, 쿼리 해석, 콘텐츠 검색, 개선을 위한 전문 에이전트와 협업합니다. 또한, 엄격한 최신성 및 인용 기반 품질 관리를 거친 11개 컴퓨터 과학 분야의 46편의 영향력 있는 논문(2020-2025)으로 구성된 SurveyScope 벤치마크를 공개합니다. 평가 결과, SciSage는 기존 최고 성능 모델(LLM x MapReduce-V2, AutoSurvey)을 능가하여 문서 일관성에서 +1.73점, 인용 F1 점수에서 +32% 향상을 보였습니다. 인간 평가에서는 혼재된 결과(인간 작성 설문 조사 대비 3승 7패)를 보였지만, 주제의 폭넓은 다루기와 검색 효율성에서 강점을 보였습니다. 전반적으로 SciSage는 연구 지원 작성 도구에 대한 유망한 기반을 제공합니다.
