본 논문은 블랙 박스 함수 최적화 문제 해결을 위해 대규모 언어 모델(LLM)을 활용하는 새로운 접근 방식인 LICO를 소개한다. LICO는 사전 훈련된 LLM에 별도의 임베딩 레이어와 예측 레이어를 추가하여, 특정 도메인(분자 도메인)의 다양한 함수에 대한 문맥 내 예측을 수행하도록 훈련된다. 훈련된 LICO는 문맥 내 프롬프팅을 통해 보이지 않는 분자 특성에 대해 일반화할 수 있으며, PMO 분자 최적화 벤치마크에서 경쟁력 있는 성능을 보이며, 특히 저예산 버전인 PMO-1K에서 최고 성능을 달성한다.
