본 논문은 베이지안 최적화(BO)에 대규모 언어 모델(LLM)을 통합하는 새로운 하이브리드 프레임워크인 LLINBO(LLM-in-the-Loop BO)를 제안합니다. LLM의 맥락적 추론 능력을 활용하여 초기 탐색 단계를 강화하고, 가우시안 프로세스(GP)와 같은 통계적 대리 모델을 이용하여 효율적인 활용 단계를 수행하는 것을 목표로 합니다. LLM 단독 사용의 위험성(명시적인 대리 모델링 및 보정된 불확실성 부족, 불투명한 내부 메커니즘)을 해결하기 위해, LLM과 통계적 대리 전문가를 결합하여 이러한 협업을 가능하게 하는 세 가지 메커니즘을 제시하고 이론적 보장을 확립합니다. 3D 프린팅을 활용한 실제 증명 개념 연구 결과도 포함되어 있으며, 코드는 깃허브에서 공개됩니다.