본 논문은 대규모 언어 모델(LLM)이 창의적인 아이디어를 생성하는 데 어려움을 겪는 문제를 해결하기 위해, LLM의 잠재적 개념 공간을 원칙적으로 안내하는 탐색을 수행하는 새로운 프레임워크인 \textbf{Magellan}을 소개한다. Magellan은 몬테카를로 트리 탐색(MCTS)을 기반으로 하며, "의미론적 나침반" 벡터를 사용하여 탐색 방향을 설정하고, 내재적 일관성, 외재적 참신성, 내러티브 진행을 균형 있게 고려하는 명시적 보상 구조를 통해 단계별 결정을 내린다. 실험 결과, Magellan은 ReAct 및 Tree of Thoughts (ToT)를 포함한 강력한 기준선을 능가하며, 더욱 타당하고 혁신적인 과학적 아이디어를 생성하는 것으로 나타났다.
