본 논문은 유전자 변이를 식별하고 관련 질병과 연결하는 것과 같이 여러 의도를 포함하는 복잡한 과학적 질문에 답하기 위한 연구를 제시한다. 기존의 검색 증강 생성(RAG) 시스템이 단일 의도 지향적이고, 불완전한 증거 범위를 갖는다는 한계를 지적하며, 이를 평가하기 위해 다중 의도 과학 질문 응답(MuISQA) 벤치마크를 도입한다. 또한, 대규모 언어 모델(LLM)을 활용하여 잠재적인 답변을 가설 설정하고, 의도별 쿼리로 분해하며, 각 근본적인 의도에 대한 지원 구절을 검색하는 의도 인식 검색 프레임워크를 제안한다.
