Mol-Debate: 다중 에이전트 토론이 분자 설계의 구조적 추론 능력을 향상시킨다

Mol-Debate: Multi-Agent Debate Improves Structural Reasoning in Molecular Design

텍스트 기반 분자 설계는 AI 기반 신약 개발의 핵심 기능이지만, 엄격한 화학적 제약 조건 하에서 순차적인 자연어 지침을 비선형적인 분자 구조에 매핑하는 것은 여전히 어려운 과제입니다. 기존의 대부분의 접근 방식(RAG, CoT 프롬프트, 미세 조정 또는 강화 학습 등)은 주로 단일 생성 파이프라인에서 구현된 일련의 임의적인 추론 관점에 중점을 둡니다. 반면, 실제 신약 개발은 의미론적 의도를 구조적 타당성과 조화시키기 위한 동적이고 다각적인 비판과 반복적인 개선에 의존합니다. 이러한 점에 착안하여, 우리는 동적인 추론을 가능하게 하는 반복적인 생성-토론-수정 루프를 활용하는 생성 패러다임인 Mol-Debate를 제안합니다. 또한, 본 패러다임의 주요 과제를 분석하고, 개발자-토론자 간의 충돌, 전역-지역 구조적 추론, 정적-동적 통합과 같은 문제를 해결하기 위한 관점 기반의 조율 방법을 제시합니다. 실험 결과, Mol-Debate는 강력한 일반 및 화학적 기준 모델에 비해 최첨단 성능을 달성했으며, ChEBI-20 데이터셋에서 59.82%의 정확 일치율, S$^2$-Bench 데이터셋에서 50.52%의 가중 성공률을 기록했습니다. 저희의 코드는 https://github.com/wyuzh/Mol-Debate 에서 확인할 수 있습니다.

Text-guided molecular design is a key capability for AI-driven drug discovery, yet it remains challenging to map sequential natural-language instructions with non-linear molecular structures under strict chemical constraints. Most existing approaches, including RAG, CoT prompting, and fine-tuning or RL, emphasize a small set of ad-hoc reasoning perspectives implemented in a largely one-shot generation pipeline. In contrast, real-world drug discovery relies on dynamic, multi-perspective critique and iterative refinement to reconcile semantic intent with structural feasibility. Motivated by this, we propose Mol-Debate, a generation paradigm that enables such dynamic reasoning through an iterative generate-debate-refine loop. We further characterize key challenges in this paradigm and address them through perspective-oriented orchestration, including developer-debater conflict, global-local structural reasoning, and static-dynamic integration. Experiments demonstrate that Mol-Debate achieves state-of-the-art performance against strong general and chemical baselines, reaching 59.82% exact match on ChEBI-20 and 50.52% weighted success rate on S$^2$-Bench. Our code is available at https://github.com/wyuzh/Mol-Debate.