생성형 AI는 많은 기술 분야의 속도를 크게 높였습니다. 이제 과학 논문과 기술 문서 작성, 코드 실행, 실험 설계, 제안서 초안 작성에 AI가 어느 정도 역할을 하는 것은 흔한 일이 되었습니다. 그러나 콘텐츠 제작의 가속화는 검토라는 과제를 낳았습니다. AI가 생성한 콘텐츠가 급격히 늘어나는 가운데 인간의 검증 역량은 대체로 고정된 채로 머물러 있습니다. 긴 과학 원고나 복잡한 법적 계약서 같은 복잡한 문서를 검토하려면 전문적인 전문성과 고도의 주제 지식이 필요합니다. 이러한 불균형은 다음과 같은 문제를 만들어냅니다. 검증 병목 현상, 정보가 엄격한 검토가 가능한 속도보다 빠르게 생성되고 있는 곳입니다.
오늘 저희는 다음의 공개 출시를 발표하게 되어 기쁩니다: Deep Review복잡한 문서에 대해 엄격한 피드백과 기술적 검증을 제공하도록 설계된 에이전틱 AI 시스템입니다. 처음에는 컴퓨터 과학 학술 논문 분석을 위해 설계되었지만, 이 시스템의 역량은 법률 및 금융 등 여러 분야의 문서 검토로 확장되었습니다. 이 시스템은 작성 과정에서 반복적인 개선 도구로도, 검토 과정에서 과학적 검증, 주장 및 평가를 위한 도구로도 사용할 수 있습니다.
Deep Review는 저희의 Paper Assistant Tool(PAT)의 진화된 형태입니다. PAT는 연구자들이 학회 제출 전 원고를 스트레스 테스트할 수 있도록 돕기 위해 개발된 실험적 이니셔티브였습니다. 지난 1년间 저희는 4개의 주요 컴퓨터 과학 학회(STOC 2026, ICML 2026, NeurIPS 2026, 그리고 ICLR 2027)와 협력하여, 동의한 16,000편 이상의 원고 저자들에게 비공개 사전 제출 피드백을 제공했습니다. PAT 및 이러한 파일럿에 대한 자세한 내용은 저희 원고에서 확인할 수 있습니다: 구글의 페이퍼 어시스턴트 도구를 통한 과학 심사 자동화를 향하여.
이번 출시로 Deep Review는 이제 전 세계에서 이용할 수 있습니다:
- 단계별 접근 및 확장 가능한 API: 모든 사용자는 매주 두 건의 무료 문서 검토를 받습니다. 대량 작업 흐름을 가진 사용자는 자신의 Gemini API 키 를 연결하여 더 높은 사용 한도와 Deep Review API를 통한 프로그래밍 방식의 통합을 이용할 수 있습니다.
- 형식 유연성: Deep Review는 초기에 PDF와 일반 텍스트를 입력 형식으로 지원하며, 멀티 파일 입력 지원이 곧 제공될 예정입니다.
- 개인정보 보호 및 데이터 정책: Deep Review에 업로드된 문서는 Google 모델의 학습, 파인튜닝 또는 개선에 절대 사용되지 않습니다. 업로드된 문서는 Deep Review UI에서 사용자에게 표시하는 목적으로만 1년간 저장됩니다.
Deep Review는 기술적 검증을 가속화합니다
검증 병목의 가장 중요한 사례 중 하나는 학술 동료 심사 분야입니다. 이는 학술 출판 장소, 특히 AI 연구 자체를 위한 장소에 제출되는 논문 수의 급증에서 확인할 수 있으며, 이러한 장소들은 극적인 상승세를 보였습니다. 올해 세 개의 주요 AI 학회에는 74,000건이 넘는 논문이 제출되었습니다(ICLR, NeurIPS, 그리고 ICML) 다음 수치에서 증가하여, 대략 2025년 45,000건, 2024년 32,000건, 2023년 23,000건이었습니다. 이러한 각 제출물은 동료 심사 과정의 무결성을 보장하기 위해 여러 건의 고품질 리뷰를 필요로 하며, 이는 인간 전문가에게 더 큰 부담을 줄 수 있습니다.
2023년과 2026년 사이 NeurIPS, ICML, ICLR에 대한 제출물 증가.
Deep Review는 기술 분야 전반에 걸쳐 인간 리뷰어에게 점점 커지는 이 부담을 덜어주는 것을 목표로 합니다. 문서에 대한 상세하고 객관적인 평가를 제공함으로써, Deep Review는 논리적 일관성과 수학적 명제를 검사하고, 개선 사항을 제안하며, 사실을 근거로 뒷받침하고, 기존 연구와 비교합니다. 심사에서 가장 인지적으로 부담이 큰 측면 일부를 다루면서도, 더 높은 수준의 판단은 인간에게 맡깁니다.
과학 심사에서 입증된 실적
Deep Review은 실험적 명칭인 'the'라는 이름으로 광범위하게 테스트되고 배포되었습니다. 논문 보조 도구 (PAT)을 통해 주요 컴퓨터 과학 학회인 STOC 2026, ICML 2026, NeurIPS 2026, ICLR 2027와 함께 4개의 시범 파트너십을 진행했습니다. 이 시범 프로그램에서 저자들은 논문 제출 마감일 몇 주 전에 PAT를 통해 자신의 논문에 대한 피드백과 분석을 받을지 선택할 수 있었습니다. 목표는 실행 가능한 피드백을 제공하여 제출되는 논문의 품질 향상을 돕는 것이었습니다. 이 피드백은 공식 학회 심사 절차와 완전히 분리되어 있었습니다. PAT는 학습용 데이터를 전혀 수집하지 않았으며, 각 프로그램이 종료된 직후 논문은 Google 시스템에서 삭제되었습니다.
저자들의 이 도구에 대한 반응은 매우 긍정적이었으며, 이는 기반 모델과 PAT 하네스 모두의 지속적인 개선을 반영합니다. Deep Review에 Gemini 4 Argon 지원이 추가됨에 따라 이 도구의 기반 기능은 아래에서 설명하는 이전 버전의 PAT를 넘어 한층 더 향상되었습니다.
머신러닝 및 이론 컴퓨터 과학 학회에서 진행된 PAT 시범 프로그램의 통계와 저자 피드백입니다.
Deep Review의 작동 방식
단일 프롬프트 LLM 호출은 토큰 추론 예산을 소진하거나, 긴 문맥에서 섹션 간 의존성을 간과하거나, 미묘한 주장을 충분히 검토하지 않고 수용함으로써 길고 복잡한 문서를 평가할 때 종종 실패합니다. Deep Review는 4단계 애저틱 파이프라인을 통해 이러한 문제를 해결합니다:
- 문서 분할: 문서는 먼저 세그먼터(segmenter) 에이전트에 의해 수집(ingested)된 후 논리적 세그먼트(예: 서론, 실험, 방법론 등)로 자율적으로 분해됩니다. 이러한 세그먼트는 서로 겹칠 수 있으며 입력 문서의 모든 내용을 포괄해야 합니다.
- 적응형 예산 편성: 모든 섹션이 동일한 인지 깊이를 필요로 하는 것은 아닙니다. 파이프라인은 정보 밀도를 검사하고 각 섹션에 대해 컴퓨팅 예산을 동적으로 할당하며, 섹션별로 특화된 추론 스케일링 파이프라인을 함께 사용합니다. 예를 들어, 학술 논문에서 조밀한 수학적 증명이 포함된 섹션은 서론이나 관련 연구 섹션보다 더 많은 컴퓨팅을 할당받을 수 있습니다.
- 심층 병렬 검증: 전문 추론 에이전트들이 각 세그먼트를 병렬로 검토합니다. 각 에이전트는 상호 참조를 추적하기 위해 전체 문서 컨텍스트에 접근할 수 있지만, 추론 능력을 자신이 담당하는 특정 대상 섹션을 검토하는 작업에 집중합니다. 이를 통해 각 검토 스웜에게 검토 작업이 관리 가능한 수준으로 유지되면서도 병렬 스웜들이 적절히 조율되도록 보장합니다.
- 글로벌 종합 및 에이전트형 근거화(agentic grounding): 전담 종합 에이전트가 세그먼트 수준의 보고서를 통합하고 섹션 간의 최종 일관성 검사를 수행하며, 필요한 경우 논리 검사를 다시 실행합니다. 또한 이 에이전트는 환각(hallucination)에 대한 최종 예방 조치로 외부 근거 검증과 도구 호출을 수행합니다.
4단계 파이프라인을 보여주는 시스템 아키텍처.
보편적인 검증 및 검토: 연구 논문을 넘어서
Deep Review는 학술 논문 심사에서 시작되었지만, 긴 문맥 심사는 일반화될 수 있습니다. 연구 논문에서 수학적 증명이 타당한지 검증하는 데 사용되는 추론 메커니즘은 주장이 근거에 의해 뒷받침되어야 하는 다른 유형의 문서에서도 논리적 허점과 불일치를 발견하는 데 도움을 줄 수 있습니다. 따라서 Deep Review는 구조화된 비평을 보다 폭넓은 일상적 업무 흐름에 적용하는 데 활용될 수 있습니다.
이제 사용자는 Deep Review를 적용하여 여러 분야의 복잡한 문서를 분석할 수 있습니다. 예를 들어 다음과 같은 대상에 대해 실행할 수 있습니다:
- 설계 문서: 명시되지 않은 아키텍처 가정을 포착하고, 엣지 케이스를 발견하며, 구체적인 개선 사항을 제안합니다.
- 발표 자료: 슬라이드 전환이 논리적으로 이어지고 글머리표 핵심 요약이 시각적 차트와 일치하는지 확인하십시오.
- 법률 및 재무 문서: 조항과 데이터 표 간의 내부 일관성을 검토하고, 모호한 용어나 파급 결과를 표시하며, 주장을 뒷받침하는 증거와 대조하여 검증하십시오.
Deep Review가 Antigravity를 만나다
또한 저희는 다음을 소개합니다: 팀워크 심층 문서 검토 패턴, Deep Review에서 영감을 받아 내장된 문서 리뷰 구현 패턴 Antigravity 다음을 사용하여 팀워크 다중 에이전트 오케스트레이션 프레임워크. 이 패턴은 자기 교정과 세그먼트 기반 루브릭을 갖춘 멀티 에이전트 계층 구조를 사용하여 연구 논문, 원고 초안, 기술 제안서를 평가하도록 체계적으로 설계되었습니다. Antigravity 사용자는 다음 /teamwork-preview 명령을 사용하여 이 패턴을 호출할 수 있습니다.
철저하고 고품질의 기술 리뷰를 폭넓게 대중화
컴퓨터 과학 분야에서 투고 전 종합적 비평은 일반적으로 선임 교수진, 자원이 풍부한 학술 연구실, 광범위한 동료 자문 네트워크와 같은 방대한 리뷰 네트워크에 대한 접근에 의존해 왔습니다. 신뢰할 수 있는 자동화된 논리 검증을 제공하면 많은 학술 연구자들이 자신의 주장을 스트레스 테스트하고, 피할 수 있는 결함을 식별하며, 검증된 기반을 바탕으로 문서를 다듬고 강화하며, 더 큰 자신감으로 리뷰 과정에서 자신의 연구를 제출하는 데 도움을 받을 수 있습니다.
시작하기
전 세계의 연구자, 엔지니어, 크리에이터 여러분께 Deep Review를 탐색해 보시기를 초대합니다:
- Deep Review 사용해 보기: 다음을 방문하세요: Google Research Portal 에서 첫 문서를 리뷰해 보세요.
- API와 통합: 다음을 사용하여 지속적 통합 및 초안 작성 워크플로에서 프로그래밍 방식 검증에 접근하세요: Gemini API 키.
- 연구 읽기: 기반 방법론과 파일럿 평가를 살펴보려면 프리프린트 를 읽어보세요.
결론 및 향후 전망
학술 컨퍼런스와의 파일럿 프로그램에서 입증한 유용성을 바탕으로, Deep Review와 같은 도구가 저자와 리뷰어 모두에게 힘을 실어줌으로써 앞으로 몇 년간 동료 심사 전 과정에서 중요한 역할을 하리라 믿습니다.
앞으로도 플랫폼의 기능을 지속적으로 확장해 나갈 계획입니다. Gemini 4 Argon 지원이 도입됨에 따라 Deep Review의 기반 역량이 더욱 향상되어 저자에게 한층 높은 품질의 피드백과 분석을 제공합니다. 또한 곧 제공될 다중 파일 지원과 함께 사용자는 관련된 문서, 스프레드시트, 부속 자료 전체에 대해 동일한 일관성 검사를 동시에 수행할 수 있게 됩니다. 이러한 발전이 고품질 기술 리뷰를 전 세계 지식 근로자들이 더 널리 이용할 수 있도록 하기를 바랍니다.
감사의 글
Deep Review는 Google Research, Google DeepMind, Google Cloud가 함께한 협업의 성과입니다. 핵심 기여자 및 연구 협력자인 Santiago Balseiro, Taylan Cemgil, Tommaso D'Orsi, Kirk Draheim, Lindi Emoungu, Ayse Erduran, Palash Goyal, Caroline Hartnell, Shobana Kannan, Amy Keeling, Siyi Kou, Bridget Lee, Ian Li, Anoushka Mazumdar, Taylor Montgomery, Mouad Naciri, Uche Okonkwo, Mihir Parmar, Anthony Phalen, Rory Pilgrim, Sarah Presotto Post, Rob Tierney, Drew Tyler, Vishnu V., Vahab Mirrokni, Laura Vardoulakis, Johannes Welbl, David Woodruff, Yunhan Xu, Jinsung Yoon께, 그리고 임원 후원자인 Katherine Chou, Corinna Cortes, Burak Gokturk, Vahab Mirrokni, Tomas Pfister, Yossi Matias께, 또한 STOC, ICML, NeurIPS, ICLR의 프로그램 의장들의 협력에 감사드립니다.