고비용 계산과 검색 자원을 과제별로 배분하는 테스트타임 계산 예산 최적화를 시험해 보자

제안 AI 제안

소재 분야 적용은 아직 검증되지 않은 제안입니다.

추론 시 사용할 토큰, 검색, 재시도, 도구 호출 예산을 고정하지 않고 문제 난이도에 맞춰 배분하는 접근입니다. 쉬운 하위문제에는 적게, 불확실성이 큰 하위문제에는 더 많이 쓰는 것을 목표로 합니다.

적용해볼 소재 과제

후보 조성 선별, 문헌 검색, 시뮬레이션 호출, 실험 우선순위 결정처럼 계산 자원이 제한된 재료 탐색 문제

지금 시도할 만한 이유

최근 연구에서 추론 모델이 질문별로 계산 자원을 나눠 쓰는 능력에 명확한 약점이 있음이 드러났고, 동시에 테스트타임 검색/탐색을 프로그램적으로 조정하는 방법이 성능 향상을 보였습니다. 즉, 계산 예산 자체를 최적화 대상으로 보는 관점이 이제는 실용적인 구현 단위가 되었습니다.

첫 걸음

작은 후보 집합에서 ‘고정 예산’과 ‘불확실성 기반 가변 예산’ 두 정책을 비교하는 실험을 해 보세요. 예를 들어 상안정성 예측 50개 조성에 대해 검색/DFT 호출 횟수와 최종 상위-k 적중률을 함께 측정하면 됩니다.

위험과 한계

예산 배분 정책이 정교하지 않으면 어려운 문제에 계산을 너무 적게 주거나, 쉬운 문제에 낭비할 수 있습니다. 또한 소재 문제에서는 “어려움”의 신호를 정의하기 어렵고, 추가 검색이나 시뮬레이션이 항상 더 나은 판단으로 이어지지 않으며 비용이 빠르게 커질 수 있습니다.