LLM 기반 자율 연구 에이전트가 가짜 주장을 보고하는 문제점을 해결하기 위해, 기계 검증 가능한 증거를 요구하는 이중 거버넌스 게이트를 통해 가짜 주장을 제거하는 증거 기반 실행 프레임워크인 EviBound를 제안한다. 사전 실행 승인 게이트와 사후 실행 검증 게이트를 통해 구조적 위반을 사전에 포착하고, MLflow API 쿼리를 통해 아티팩트를 검증한다. 8개의 벤치마크 태스크에서 EviBound는 0%의 환각률을 달성했으며, 약 8.3%의 실행 오버헤드를 보였다.