MolClaw — 약물 분자 평가·스크리닝·최적화를 자율 수행하는 에이전트. 30+ 도메인 자원을 70개 스킬의 3단 계층 아키텍처(tool-level atomic 표준화 → workflow-level 검증된 파이프라인 조립 → discipline-level 과학 원칙 공급)로 통합. MolBench(분자 스크리닝·최적화·end-to-end 발견 8~50+ sequential tool calls) 벤치마크도 함께 공개. SOTA 성능 달성, ablation 결과 워크플로우 오케스트레이션 능력이 AI 약물 발견의 primary capability bottleneck임을 확인.
- •MolClaw — 30+ 도메인 자원·70 스킬 3단 계층으로 약물 분자 평가·스크리닝·최적화 자율화.
- •tool-level → workflow-level → discipline-level 계층이 long-term agent 상호작용 지원.
- •MolBench — 8~50+ sequential tool calls의 분자 스크리닝·최적화·end-to-end 벤치마크 동시 공개.
- •전 항목 SOTA 성능 — 구조화된 워크플로우 요구 task에서 강점 집중.
- •AI 약물 발견의 primary bottleneck이 워크플로우 오케스트레이션 능력임을 정량 확인.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
MolClaw: An Autonomous Agent with Hierarchical Skills for Drug Molecule Evaluation, Screening, and Optimization
- 1.30개 이상 전문 도구를 3계층 계층적 스킬 아키텍처(70개 스킬)로 통합한 약물 발견 에이전트 MolClaw 제안
- 2.도구 수준·워크플로우 수준·분야 수준 3계층 스킬이 품질 검사·반성 메커니즘 포함
- 3.MolBench: 분자 스크리닝·최적화·엔드투엔드 발견 과제(8~50+ 순차 도구 호출) 벤치마크 구축
- 4.모든 지표에서 SOTA 달성, 구조화된 워크플로우가 필요한 작업에서 성능 향상 집중
왜 중요한가?
AI 에이전트를 통한 약물 발견 워크플로우 자동화는 신약 개발 비용과 시간을 대폭 단축할 수 있는 잠재력을 보여주며, 계층적 스킬 설계가 핵심 역량임을 입증한다.
본문 미리보기
arXiv:2604.21937v1 Announce Type: new Abstract: Computational drug discovery, particularly the complex workflows of drug molecule screening and optimization, requires orchestrating dozens of specialized tools in multi-step workflows, yet current AI agents struggle to maintain robust performance and consistently underperform in these high-complexity scenarios. Here we present MolClaw, an autonomous agent that leads drug molecule evaluation, screening, and optimization. It unifies over 30 special
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:45AI 초안
