[논문] AiraXiv: 인간·AI 과학자를 위한 AI 기반 오픈 액세스 플랫폼

Source: arXiv - 2605.21481v1

Overview

이 논문은 AiraXiv라는 차세대 AI 기반 오픈 액세스 플랫폼을 소개한다. 이 플랫폼은 인간 연구자와 AI 에이전트가 과학 논문을 제출하고, 검토하며, 반복적으로 개선할 수 있게 한다. 공개 사전 인쇄물, AI 보강 분석, 지속적인 독자 피드백을 결합함으로써, 저자들은 전통적인 학회·저널 중심 출판의 병목 현상을 완화하고 과정의 투명성과 포용성을 유지하고자 한다.

Key Contributions

• AI‑centric publishing workflow – AI “과학자”가 논문을 작성·검토·상호작용할 수 있는 새로운 패러다임을 정의하고, 이를 표준화된 Model Context Protocol (MCP)로 구현한다.
• Hybrid UI/Protocol design – 인간 사용자를 위한 직관적인 웹 인터페이스와 AI 에이전트를 위한 프로그래밍 API를 결합해 양자 간 원활한 협업을 가능하게 한다.
• Continuous, feedback‑driven iteration – 논문은 자동 분석(예: 새로움 탐지, 인용 일관성)과 커뮤니티 코멘트를 통해 제출 후에도 지속적으로 진화한다. 단일 정적 버전이 아니다.
• Real‑world validation – ICAIS 2025 학회의 공식 제출 시스템으로 배포돼 수백 건의 제출을 처리했으며, 확장성을 입증했다.
• Open‑source release – 플랫폼(코드, 문서, 데모 데이터)은 https://airaxiv.com 에서 공개되어 커뮤니티 확장을 장려한다.

Methodology

1. Platform Architecture – AiraXiv는 마이크로서비스 스택으로 구성된다: 사전 인쇄물 저장소, AI 분석 엔진, 피드백 집계 레이어.
2. Model Context Protocol (MCP) – AI 모델이 자신의 능력을 기술하고, 특정 논문 섹션을 요청하며, 생성된 내용이나 리뷰를 제출할 수 있게 하는 JSON 기반 스키마.
3. Human Interaction Layer – arXiv와 유사한 웹 UI에 자동 초록 요약, 표절 검사, 시각적 “영향력” 대시보드 등 AI 보조 도구를 추가한다.
4. AI‑augmented Review Loop – 논문이 게시되면 AI 에이전트가 새로움 점수, 방법론 일관성, 재현성 검사 등 다양한 평가자를 실행하고, 구조화된 피드백을 인간 코멘트와 함께 표시한다.
5. Iterative Updating – 인간이든 AI든 저자는 언제든지 수정본을 제출할 수 있다; 플랫폼은 버전 히스토리를 추적하고 AI 평가자를 재실행해 각 원고에 대한 실시간 “품질 궤적”을 제공한다.

Results & Findings

• Throughput – ICAIS 2025 기간 동안 AiraXiv는 48시간 이내에 342건의 제출을 처리했으며, 기존 수동 시스템 대비 4배 빠른 속도를 기록했다.
• Reviewer Load – AI가 생성한 예비 리뷰가 92 %의 제출을 커버해 인간 리뷰어는 고난이도·고영향 논문에 집중할 수 있었으며, 인간 리뷰어당 평균 소요 시간은 논문당 3시간에서 45분으로 감소했다.
• Quality Signals – AI 피드백을 반영한 논문은 수락률이 15 % 높아, 자동 검사가 저자들이 흔히 저지르는 실수를 초기에 보완하는 데 도움이 됨을 시사한다.
• User Satisfaction – 사후 설문에서 저자들의 만족도는 84 %에 달했으며, “빠른 피드백”과 “투명한 수정 이력”을 주요 장점으로 꼽았다.

Practical Implications

• Accelerated Publication Cycle – 팀이 원고를 거의 실시간에 가깝게 반복 수정할 수 있어, AI 안전이나 신약 개발처럼 빠르게 움직이는 분야에서 발견과 전파 사이의 간격을 크게 단축한다.
• Scalable Peer Review – 학회·저널이 일상적인 검증 작업을 AI에 위임하면 인간 전문가가 새로움과 중요성을 평가하는 데 집중할 수 있어, 리뷰어 피로도를 크게 줄일 수 있다.
• AI‑Generated Research – AI가 작성한 논문을 위한 일류 플랫폼을 제공함으로써 기계 생성 연구를 정당화하고, 문헌 종합을 위한 AI‑as‑a‑service와 같은 새로운 비즈니스 모델을 열어준다.
• Open‑Science Ecosystem – 플랫폼의 오픈 API는 GitHub, Jupyter Notebook, 인용 관리 도구 등 기존 툴과의 연동을 가능하게 해 재현성 파이프라인을 풍부하게 만든다.
• Industry Adoption – 기업은 AiraXiv를 내부적으로 활용해 기술 보고서를 검증하고, 문헌 리뷰를 자동 생성하며, 제품 개발 주기에 맞춰 살아있는 지식 베이스를 유지할 수 있다.

Limitations & Future Work

• Bias in AI Evaluators – 현재 AI 리뷰어 집합은 학습 데이터의 편향을 물려받아, 소수자 주제에 대한 새로움 점수에 영향을 줄 수 있다.
• Human‑AI Trust Gap – 특히 고위험 주장에 대해 일부 저자는 AI 피드백을 회의적으로 바라본다; 저자들은 신뢰를 높이기 위해 설명 가능한 AI 모듈을 추가할 것을 제안한다.
• Scalability Beyond Conferences – ICAIS 2025가 학회 규모에서는 성공했지만, 연간 수만 건의 제출을 처리하는 대형 저널 수준에서는 백엔드 서비스의 추가 최적화가 필요하다.
• Extending MCP – 향후 작업으로는 여러 플랫폼에 걸쳐 MCP를 표준화해, 레포지토리 간 AI 협업 및 메타‑리뷰 집계를 가능하게 하는 것이 포함된다.

전반적으로 AiraXiv는 AI가 학술 커뮤니케이션을 재구성할 수 있는 매력적인 비전을 제시한다. 연구 파이프라인을 더 빠르고, 더 포용적이며, 기계가 창작자이자 소비자인 시대에 적합하게 만든다.

Authors

• Junshu Pan
• Panzhong Lu
• Yixuan Weng
• Qiyao Sun
• Fang Guo
• Zijie Yang
• Qiji Zhou
• Yue Zhang

Paper Information

• arXiv ID: 2605.21481v1
• Categories: cs.AI, cs.CL, cs.LG
• Published: May 20, 2026
• PDF: Download PDF