본 논문은 기존 연구들의 데이터를 종합하여 포괄적인 결론을 도출하는 메타 분석 과정을 자동화하는 다중 에이전트 시스템 Manalyzer를 제안한다. 전통적인 메타 분석은 많은 인력과 시간을 필요로 하는 복잡한 과정을 거치지만, Manalyzer는 도구 호출을 통해 전 과정을 자동화하여 효율성을 높였다. 특히, 논문 선별 및 데이터 추출 과정에서 발생할 수 있는 오류(hallucination)를 줄이기 위해 하이브리드 검토, 계층적 추출, 자기 검증, 피드백 확인 전략을 구현하였다. 3개 영역(텍스트, 이미지, 표)에 걸쳐 729편의 논문과 10,000개 이상의 데이터 포인트로 구성된 새로운 벤치마크를 사용하여 Manalyzer의 성능을 평가하였으며, 기존 LLM 기반 방법보다 우수한 성능을 보였다.
