본 논문은 대규모 언어 모델(LLM)을 활용한 약물 발견 연구의 어려움을 해결하기 위해, 도메인 특정 미세 조정 없이 생물 의학 지식 기반에서 동적으로 정보를 검색하고, 질의 분자를 맥락화하며, 관련 증거를 통합하여 응답을 생성하는 검색 증강 생성(RAG) 기반 에이전트 시스템인 CLADD를 제안한다. CLADD는 데이터 이질성, 모호성, 다중 소스 통합과 같은 RAG 워크플로우 적용의 주요 장애물을 해결하며, 다양한 약물 발견 작업에서 일반 목적 및 도메인 특정 LLM 및 기존 딥 러닝 접근 방식을 능가하는 성능을 보인다.
