Analyzing technical documents with Deep Review

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Google Research는 16,000편 이상의 원고에 사전 피드백을 제공한 PAT를 발전시켜, 복잡한 문서의 논리·수학·근거를 검증하고 인간의 판단을 지원하는 Deep Review를 전 세계에 공개했다.

📌 핵심 요약

• 생성형 AI로 문서 생산이 늘면서 검증 병목이 커지고 있다. ICLR·NeurIPS·ICML의 제출 건수는 2023년 약 23,000건, 2024년 약 32,000건, 2025년 약 45,000건에서 2026년 74,000건 이상으로 증가했다.
• Deep Review의 전신인 Paper Assistant Tool(PAT)은 STOC 2026, ICML 2026, NeurIPS 2026, ICLR 2027과의 시범 협력에서 자발적으로 참여한 저자들의 원고 16,000편 이상에 제출 전 피드백을 제공했다. 이 과정은 공식 학회 심사와 분리됐으며, Google은 저자 반응이 매우 긍정적이었다고 설명한다.
• Deep Review는 전 세계 사용자에게 주 2회 무료 문서 검토를 제공하며, Gemini API key를 연결하면 더 높은 사용 한도와 Deep Review API를 이용할 수 있다. 초기 입력 형식은 PDF와 일반 텍스트이며, 업로드 문서는 Google 모델의 학습·미세조정·개선에 사용되지 않고 사용자 화면 표시만을 위해 1년간 보관된다.
• Deep Review는 문서 분할, 적응형 연산 예산 배분, 병렬 심층 검증, 전체 종합 및 외부 근거 확인의 4단계로 작동한다. 논리적 일관성·수학적 진술·사실 근거·기존 연구와의 관계를 검토하되, 상위 수준의 판단은 인간에게 남긴다.
• 검토 범위는 연구 논문에서 설계 문서·프레젠테이션·법률 및 금융 문서로 확대됐다. Antigravity에는 Teamwork 기반의 관련 문서 검토 패턴이 도입됐으며, Google은 Gemini 4 Argon 지원으로 분석 역량이 향상됐다고 설명하고 관련 문서·스프레드시트·증빙 자료를 함께 검토할 다중 파일 지원도 예고했다.

🧩 주요 포인트

1. 제출 건수 급증과 인간 검증 역량의 제약 → Deep Review는 검증 부담이 큰 작업을 지원하지만 최종적인 상위 판단은 인간이 담당하는 구조다.
2. PAT의 대규모 사전 피드백 경험과 공개 서비스 전환 → 활용 범위가 넓어지는 만큼, 시범 운영의 종료 후 신속 삭제와 공개 서비스의 1년 보관 정책을 구분할 필요가 있다.
3. 구간별 연산 집중과 전체 문맥을 활용한 종합 검증 → 긴 문서의 세부 오류와 구간 간 불일치를 함께 다루며, 예정된 다중 파일 지원은 검토 범위를 관련 자료 묶음으로 확장한다.

🧠 상세 정리

1. 문서 생산 증가가 만든 검증 병목

Google Research의 Rajesh Jayaram과 Vincent Cohen-Addad는 2026년 10월 14일 발표한 글에서, 생성형 AI가 논문과 기술 문서 작성뿐 아니라 코드 실행, 실험 설계, 제안서 초안 작성까지 가속하고 있다고 설명한다. 그러나 인간의 검증 역량은 대체로 그대로여서, 전문 지식이 필요한 긴 과학 원고나 복잡한 법률 계약을 충분히 검토하기 어려운 검증 병목이 발생한다는 것이 출발점이다. 사례로 제시한 ICLR·NeurIPS·ICML의 제출 건수는 2023년 약 23,000건에서 2024년 약 32,000건, 2025년 약 45,000건으로 늘었고, 2026년에는 74,000건을 넘었다. 각 제출물에 여러 건의 양질의 심사가 필요하다는 점에서 이러한 증가는 인간 전문가의 부담을 키운다. Deep Review는 논리와 수학, 사실 근거를 검토하는 부담을 줄이려는 시스템이며, 상위 수준의 판단은 인간에게 남기는 것을 지향한다.

2. 공개 서비스의 접근 방식과 데이터 정책

Deep Review는 복잡한 문서에 엄밀한 피드백과 기술적 검증을 제공하도록 설계된 에이전트형 AI 시스템으로, 이번 공개를 통해 전 세계에서 이용할 수 있게 됐다. 모든 사용자는 매주 두 번의 무료 문서 검토를 받을 수 있고, 사용량이 많은 경우 Gemini API key를 연결해 더 높은 한도와 Deep Review API를 통한 프로그램 연동을 이용할 수 있다. 초기 입력 형식은 PDF와 일반 텍스트이며, 여러 파일을 함께 입력하는 기능은 추후 제공될 예정이다. Google은 업로드된 문서를 자사 모델의 학습, 미세조정 또는 개선에 사용하지 않는다고 명시한다. 다만 업로드 문서는 사용자에게 Deep Review 화면으로 보여주기 위한 목적으로 1년간 보관되므로, 모델 학습에 사용하지 않는다는 정책과 문서 보관 기간은 구분해서 이해해야 한다.

3. PAT 시범 운영에서 축적한 경험과 평가의 범위

Deep Review의 전신은 연구자가 학회 제출 전에 원고를 점검하도록 돕기 위해 개발한 실험적 도구 Paper Assistant Tool(PAT)이다. Google은 STOC 2026, ICML 2026, NeurIPS 2026, ICLR 2027과 협력해, 자발적으로 참여한 저자들의 원고 16,000편 이상에 제출 마감 전 몇 주 동안 비공개 분석과 피드백을 제공했다. 목적은 제출 논문의 품질 개선이었으며, 이 피드백은 공식 학회 심사 절차와 완전히 분리됐다. 시범 운영에서는 논문 데이터를 학습용으로 수집하지 않았고, 각 프로그램이 끝난 뒤 논문을 Google 시스템에서 신속하게 삭제했다고 설명한다. 저자 반응이 매우 긍정적이었다는 평가와 함께 기반 모델 및 PAT 실행 체계의 지속적인 개선을 언급하지만, 제공된 본문에는 그 반응을 수치로 비교할 구체적인 평가 결과가 제시되지 않는다.

4. 문서 분할과 적응형 연산 배분

Google은 단일 프롬프트로 긴 문서를 평가하는 방식이 추론 토큰 예산을 소진하거나, 멀리 떨어진 구간 사이의 의존성을 놓치거나, 미묘한 주장을 충분히 따지지 않고 받아들이는 문제를 겪을 수 있다고 설명한다. Deep Review의 첫 단계에서는 분할 에이전트가 문서를 읽고 서론, 실험, 방법론 같은 논리적 구간으로 나눈다. 구간끼리 내용이 겹칠 수는 있지만 입력 문서의 모든 내용을 빠짐없이 포함해야 한다. 두 번째 단계에서는 정보 밀도를 살펴 각 구간에 필요한 연산 예산과 특화된 추론 확장 절차를 동적으로 배정한다. 예를 들어 수학적 증명이 밀집한 부분에는 서론이나 관련 연구 부분보다 더 많은 연산을 배정할 수 있으며, 이는 모든 구간을 동일한 깊이로 처리하기보다 검증 난도에 맞춰 자원을 집중하려는 설계다.

5. 병렬 검증과 전체 종합을 통한 일관성 확인

세 번째 단계에서는 전문 추론 에이전트들이 각 구간을 병렬로 정밀 검토하며, 자신에게 배정된 부분에 추론 역량을 집중한다. 각 에이전트는 문서 전체 문맥에도 접근할 수 있어 다른 구간에 대한 참조를 따라가면서 검토하도록 설계돼 있다. Google은 이를 통해 개별 검토 작업의 크기를 다룰 수 있는 수준으로 유지하고, 병렬로 움직이는 검토 에이전트 집단 사이의 조정을 지원한다고 설명한다. 네 번째 단계에서는 전담 종합 에이전트가 구간별 보고서를 합치고 구간 사이의 일관성을 최종 확인하며, 필요하면 논리 검사를 다시 실행한다. 이어 외부 근거 확인과 도구 호출을 수행해 환각을 예방하려 하지만, 이러한 절차가 모든 오류의 제거를 보장한다고 주장하지는 않는다.

6. 연구 논문에서 여러 문서 유형으로 확대

Deep Review는 컴퓨터과학 논문 분석에서 출발했지만, 주장이 증거로 뒷받침되는지 확인하는 추론은 다른 분야의 긴 문서에도 적용할 수 있다는 것이 확장의 근거다. 설계 문서에서는 명시되지 않은 아키텍처 가정과 경계 사례를 찾고 구체적인 개선을 제안하는 용도를 제시한다. 프레젠테이션에서는 슬라이드 전환의 논리적 흐름과 핵심 요점이 시각적 차트의 내용에 부합하는지 살필 수 있다고 설명한다. 법률 및 금융 문서에서는 조항과 데이터 표 사이의 내부 일관성, 모호한 용어와 후속 영향, 주장을 뒷받침하는 증거를 검토하는 활용을 제시한다. 이러한 기능은 초안 작성 중 반복적인 개선에도, 검토 단계에서 과학적 과정과 주장 및 평가를 확인하는 데에도 사용할 수 있지만, 분야 전반의 판단을 인간 대신 맡는다는 의미로 제시되지는 않는다.

7. Antigravity 연계와 검토 접근성 확대

Google은 Deep Review에서 영감을 받은 구현 패턴인 Teamwork Deep Document Review Pattern도 Antigravity에 도입했다고 발표했다. 이 패턴은 Teamwork 다중 에이전트 오케스트레이션 프레임워크를 사용하며, 자기 교정과 구간별 평가 기준을 갖춘 다중 에이전트 계층을 통해 연구 논문, 원고 초안, 기술 제안서를 체계적으로 평가하도록 설계됐다. Antigravity 사용자는 /teamwork-preview 명령으로 이 패턴을 호출할 수 있다. 글은 기존의 포괄적인 제출 전 비평이 선임 교수, 자원이 풍부한 연구실, 폭넓은 동료 자문망에 대한 접근에 크게 의존해 왔다고 설명한다. 자동화된 논리 검증을 통해 더 많은 연구자가 주장을 점검하고 피할 수 있는 결함을 찾으며, 검증된 기반 위에서 문서를 강화할 수 있도록 하는 것이 접근성 확대의 취지다.

8. 이용 경로와 향후 확장 방향

Google은 Google Research Portal에서 Deep Review를 이용하고, Gemini API key로 지속적 통합 및 문서 작성 작업에 프로그램 방식의 검증을 연결할 수 있다고 안내한다. 기반 방법론과 시범 평가의 세부 내용은 관련 프리프린트인 Towards Automating Scientific Review with Google’s Paper Assistant Tool에서 확인하도록 권한다. 향후 전망에서는 학회 시범 운영에서 확인한 유용성을 근거로, 이러한 도구가 저자와 심사자를 지원하며 동료 심사 과정에서 중요한 역할을 할 것으로 기대한다고 밝힌다. 또한 Gemini 4 Argon 지원으로 과거 PAT 버전보다 기반 역량이 높아지고 더 나은 피드백과 분석을 제공한다고 설명하지만, 본문에 개선 폭을 정량적으로 제시하지는 않는다. 예정된 다중 파일 지원은 관련 문서, 스프레드시트, 증빙 자료 전체를 동시에 대상으로 일관성을 확인하는 방향이며, 이는 현재 제공되는 초기 입력 지원과 구분되는 향후 기능이다.

🧾 핵심 주장 / 시사점

• Deep Review의 핵심 설계는 구간별 전문 검증과 문서 전체의 일관성 확인을 결합하는 데 있다. 작업을 나누면서도 각 에이전트에 전체 문맥을 제공해, 분할 검토에서 놓칠 수 있는 상호 참조를 다루려 한다.
• 16,000편 이상의 PAT 활용 경험은 대규모 사전 피드백 운영의 근거가 되지만, 공식 학회 심사와 분리된 시범 운영이라는 점에서 심사 판단을 대체하는 효과까지 입증한 것으로 해석할 수는 없다.
• 연구 논문에서 설계·프레젠테이션·법률·금융 문서로의 확대는 검토 대상을 넓히지만, 실제 활용에서는 입력 형식, 사용 한도, 1년 보관 정책과 인간에게 남겨진 판단 범위를 함께 고려할 필요가 있다.

✅ 액션 아이템

• Deep Review의 주 2회 무료 문서 검토와 Gemini API key 연결에 따른 더 높은 사용 한도를 활용 목적에 맞춰 검토.
• Deep Review 적용 전에 PDF·일반 텍스트 입력 지원과 업로드 문서의 1년 보관 정책을 확인.
• 논리적 일관성·수학적 진술·사실 근거 검토에 Deep Review를 활용하고, 상위 수준의 판단은 인간이 담당하도록 역할을 구분.

❓ 열린 질문

• Deep Review의 주 2회 무료 문서 검토로 필요한 검토량을 충족할 수 있는가?
• Deep Review의 검증 결과를 활용할 때 인간이 담당할 상위 수준의 판단 범위를 어떻게 정할 것인가?
• 예정된 다중 파일 지원은 관련 문서·스프레드시트·증빙 자료 사이의 일관성 검토를 얼마나 개선할 수 있을까?