SciSage는 과학 문헌의 급증에 따라 자동화된 설문 조사 생성 도구의 필요성에 대응하여 개발된 다중 에이전트 프레임워크입니다. LLM 기반의 기존 방법들의 심층 분석 부족, 구조적 일관성 결여, 신뢰할 수 없는 인용 등의 한계를 극복하기 위해, SciSage는 'reflect-when-you-write' 패러다임을 채택하여 계층적 Reflector 에이전트가 초록, 섹션, 문서 수준에서 초고를 비판적으로 평가하고, 질의 해석, 콘텐츠 검색, 수정을 위한 전문 에이전트와 협업하는 구조를 가지고 있습니다. 또한, 최신성과 인용 기반 품질 관리를 거친 11개 컴퓨터 과학 분야의 46편의 영향력 있는 논문(2020-2025)으로 구성된 SurveyScope 벤치마크를 공개합니다. 평가 결과, SciSage는 기존 최고 성능 모델(LLM x MapReduce-V2, AutoSurvey)을 능가하여 문서 일관성에서 +1.73점, 인용 F1 점수에서 +32% 향상을 보였습니다. 인간 평가에서는 혼합된 결과(인간 작성 설문 조사 대비 3승 7패)를 보였지만, 주제의 폭과 검색 효율성 측면에서 강점을 보였습니다. 전반적으로 SciSage는 연구 지원 집필 도구에 대한 유망한 기반을 제공합니다.
