본 논문은 오픈 환경에서 강건한 가설 생성을 자동화하는 새로운 프레임워크를 제시합니다. 대규모 언어 모델(LLM) 기반의 다중 에이전트 시스템과 귀납 논리 프로그래밍(ILP)을 통합하여, LLM 에이전트가 원시 텍스트 데이터로부터 구조화된 심볼릭 어휘(술어)와 관계 템플릿(언어적 편향)을 자율적으로 정의합니다. 기존 ILP의 전문가 의존적 병목 현상이었던 자동화된 심볼릭 그라운딩(언어적 편향의 구성)은 텍스트를 ILP 솔버를 위한 사실로 변환하는 과정을 안내하고, ILP 솔버는 해석 가능한 규칙을 귀납적으로 학습합니다. 이 접근 방식은 기존 ILP의 사전 정의된 심볼릭 구조에 대한 의존성과 순수 LLM 방법의 노이즈 민감성을 극복합니다. 다양하고 어려운 시나리오에서의 광범위한 실험을 통해 우수한 성능을 검증하여 자동화되고, 설명 가능하며, 검증 가능한 가설 생성을 위한 새로운 경로를 제시합니다.
