DrugCoding: A Scientific Programming Agent for Drug Discovery

이 논문은 신약 발견의 여러 계산 단계를 에이전트가 알아서 계획하고 전문 모델을 골라 실행하는 과학 프로그래밍 에이전트 시스템을 만들었다.

이 논문은 한마디로 신약 발견 워크플로를 자동화하는 과학 프로그래밍 에이전트 DrugCoding을 소개한다. 시스템은 연구 목표를 의존성 있는 작업으로 쪼개고, 적용 범위와 비용에 맞춰 전문 과학 모델을 고르며, 멀티에이전트 협업과 프로그램 도구 실행으로 여러 단계 계산을 검증해 수행한다. 다중 턴 도구 호출 벤치마크에서 7개 언어 모델 평균 Pass@1 97.35%로 최강 기본선 Codex를 9.24% 앞섰고, 어려운 하위 집합에서는 97.92%를 기록했다. 과학 입력 값을 그대로 보존하는 능력이 성능 우위의 주요 원인으로 분석됐다.

핵심 요약

• DrugCoding은 과학 작업 계획, 적응형 모델 라우팅, 멀티에이전트 협업, 프로그램 도구 실행을 하나로 묶은 신약 발견 에이전트 시스템이다.
• 연구 목표를 의존성 그래프로 분해하고 각 작업에 적합한 전문 모델을 적용 범위와 성능, 비용으로 골라 실행한다.
• 다중 턴 벤치마크 M-TCDD에서 7개 언어 모델 평균 Pass@1 97.35%로 최강 기본선 Codex의 88.11%를 9.24% 앞섰다.
• 상위 10% 어려운 과제 집합에서는 평균 97.92%로 과학 연구 에이전트들을 제쳤다.
• 실패 분석에서 과학 입력 값의 정확한 보존이 성능 우위의 주요 원인으로 나타났다.
• 멀티에이전트 구성은 단일 에이전트 대비 평균 0.56% 향상에 그쳐 모델에 따라 편차가 컸다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.