피드로 돌아가기
Can AI Review Physics? Yes — That Is Why We Built SPAR
Dev.toDev.to
AI/ML

Reliability를 넘어 Admissibility를 검증하는 결정론적 Review 프레임워크 SPAR

Can AI Review Physics? Yes — That Is Why We Built SPAR

Kwansub Yun2026년 4월 12일11advanced

Context

기존 Regression Test와 Unit Test는 출력값의 안정성과 형태만 검증하는 Reliability 중심 구조임. 이로 인해 구현체는 Stub인 상태에서 결과값만 일정하게 유지될 때 발생하는 Claim Drift와 논리적 정당성 결여 문제를 탐지하지 못하는 한계가 존재함.

Technical Solution

  • Claim-aware Review 구조 설계를 통한 출력값과 부착된 Claim 간의 정합성 검증
  • Layer A(Anchor Consistency)를 통한 선언적 계약(Contract)과 실제 출력값의 일치 여부 판별
  • Layer B(Interpretation Validity)를 도입하여 해석 범위가 구현 상태의 정당성 내에 존재하는지 결정론적으로 체크
  • Layer C(Maturity Probe)를 통해 구현체, 레지스트리, 외부 Claim 간의 동기화 상태 및 성숙도(Maturity) 검증
  • Anchor, Interpretation, Maturity라는 세 가지 Mismatch Class를 정의하여 Review 대상의 추상화 수준을 상향
  • Domain Adapter 패턴을 적용하여 Physics 도메인 외 다양한 기술 영역으로 확장 가능한 커널 구조 설계

- 시스템의 Reliability(안정성)와 Admissibility(정당성)를 분리하여 검증 프로세스 설계 - 단순 Pass/Fail 결과 외에 구현 성숙도(Heuristic, Partial, Closed)를 나타내는 상태 라벨 도입 검토 - 결과값뿐만 아니라 해당 결과가 도출된 구현 경로와 선언된 계약 간의 정합성을 체크하는 Anchor 검증 단계 추가

원문 읽기