ในงานออกแบบอุตสาหกรรม ปัญหาใหญ่คือช่องว่างทางความหมายระหว่างซอฟต์แวร์ CAD (ที่ใช้สร้างรูปทรง) และ CAE (ที่ใช้จำลองประสิทธิภาพ) ซึ่งปกติวิศวกรต้องคอยปรับแก้รูปทรงด้วยตนเองตามผลการจำลอง COSMO-Agent จึงถูกพัฒนาขึ้นเพื่อทำให้กระบวนการนี้เป็นแบบ 'ปิดลูป' (Closed-loop)
ระบบนี้ใช้โครงสร้าง Reinforcement Learning ที่สอนให้โมเดลภาษา (LLM) เรียนรู้การใช้เครื่องมือภายนอกในการสร้างแบบจำลอง รันการทดสอบ แปลผล และกลับไปแก้ไขค่าตัวแปร (Parameters) ของรูปทรงจนกว่าจะผ่านเงื่อนไขที่กำหนด ทีมวิจัยยังได้สร้างชุดข้อมูลอุตสาหกรรม 25 หมวดหมู่เพื่อใช้ฝึกฝน ผลลัพธ์แสดงให้เห็นว่าโมเดลขนาดเล็กที่ผ่านการฝึกด้วยวิธีนี้มีประสิทธิภาพเหนือกว่าโมเดลขนาดใหญ่ในด้านความเสถียรและความแม่นยำของการออกแบบ
