본 논문은 특정 연구 질문에 얽매이지 않고 대규모 과학 데이터 세트를 탐색하여 새로운 발견을 가능하게 하는 '가설 사냥' 프로세스를 제시한다. 저자들은 이를 지원하기 위해 에이전트, 네트워크, 평가 규범의 상호 작용을 모델링하는 프레임워크인 AScience를 소개하고, 이 프레임워크를 LLM 기반 연구 에이전트의 분산 시스템인 ASCollab로 구현했다. ASCollab는 에이전트들이 자체적으로 조직화되어 진화하는 네트워크를 형성하며, 공유된 평가 기준에 따라 지속적으로 결과를 생성하고 동료 평가한다. 실험 결과는 이러한 사회적 역학이 전문가 등급의 결과를 다양성-품질-참신성 전선에서 축적할 수 있음을 보여주며, 이는 기존 바이오마커의 재발견, 알려진 경로의 확장, 새로운 치료 목표 제안을 포함한다.
