AI 연구연구 프리프린트
가상 데이터의 원인 구조를 먼저 만들고 분석 에이전트를 훈련한다
원문 읽기 · arxiv.org ↗(새 탭에서 열림)Data World는 정답을 나중에 추측하는 대신 자료가 생기는 원인 관계를 먼저 정의하고 표 파일과 검증 문제를 만들어 데이터 분석 에이전트를 훈련한다.
연구 방법
- 의존관계 그래프에서 세계의 규칙과 실제 값을 생성한 뒤 분석가가 볼 CSV·Excel 파일로 투영한다. 별도 감사가 파일에서 목표 현상을 복원할 수 있는지 확인한다. 16분야의 서로 다른 1037개 세계에서 훈련 과제 2135개를 만들고, 겹치지 않는 50개 세계에서 100개 평가 과제를 골랐다.
평가 결과
- Qwen3.6-35B-A3B를 이 과제로 강화학습한 모델은 같은 기초 모델보다 DataWorld-Bench 7.06점, DAComp 14.28점, DABstep-Hard 20.90점, JobBench 12.13점 높았다. 열 모델 평가에서는 단순 계산보다 숨은 원인·결과를 발견하는 과제가 더 어려운 경향도 보였다.
적용 조건
- 결과는 연구진이 생성한 세계와 루브릭, 같은 미니 에이전트 실행환경에서 측정했다. 일부 다른 비교 모델은 훈련 방법이 달라 자료 자체의 효과로만 돌릴 수 없다. 평가 채점도 모델 심사를 사용했고 실제 조직의 비정형 데이터 품질이나 개인정보 문제를 해결했다는 증거는 아니다. 논문 라이선스는 CC BY-NC-ND 4.0이다.
함께 확인할 조건
- 결과는 연구진이 생성한 세계와 루브릭, 같은 미니 에이전트 실행환경에서 측정했다. 일부 다른 비교 모델은 훈련 방법이 달라 자료 자체의 효과로만 돌릴 수 없다. 평가 채점도 모델 심사를 사용했고 실제 조직의 비정형 데이터 품질이나 개인정보 문제를 해결했다는 증거는 아니다. 논문 라이선스는 CC BY-NC-ND 4.0이다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.