Anthropic: VirBench 벤치마크와 gget virus 도구로 생물학 AI 에이전트 정확도 99.7% 달성

Anthropic 연구진은 2026년 6월 8일 『Paving the way for agents in biology』(주저자 Laura Luebbert, 공동저자 Ferdous Nasri, Saru Gurev, Patrick Varilly 외)를 발표하였습니다. arXiv 프리프린트(arXiv:2606.06749)로도 공개된 이 논문은 생물학에서 AI 에이전트를 활용할 때의 핵심 문제인 공개 데이터베이스에서 데이터를 검색하는 과정의 재현성을 다룹니다.

VirBench: 생물학 에이전트 평가의 새로운 기준

VirBench는 40종의 병원체를 중심으로 구성된 120개의 실제 생물정보학 쿼리 모음으로, 각 쿼리에는 NCBI 데이터베이스에서 검증된 바이러스 서열 정답이 포함되어 있습니다. 합성 테스트와 달리 VirBench는 참조 균주 식별부터 역학적으로 중요한 바이러스의 게놈 비교까지, 실제 연구 시나리오를 모사합니다.

서열 검색 오류가 위험한 이유는 무엇입니까?

잘못된 서열 입력 데이터는 이후의 모든 분석을 연쇄적으로 오염시킵니다. 연구진은 구체적인 사례를 기록하였습니다. 특정 병원체에 대해 잘못 검색된 서열은 유행 기원 날짜를 검증된 2014년 1월 대신 1922년부터 2014년 4월까지의 범위로 산출하였습니다. 또한 동일한 모델을 같은 쿼리로 반복 실행할 때마다 서로 다른 서열 집합이 반환되어 연구 재현성이 원천적으로 훼손되었습니다.

도구 없음 vs. 도구 사용: 16.9%에서 99.7%로

전문 도구 없이는 최신 모델이 NCBI Virus 쿼리에서 고작 16.9~91.3% 정확도를 기록하였는데, 이는 재현 가능한 생물학 연구에 필요한 ~100%에 크게 못 미치는 수치입니다. NCBI 연구진과 공동 개발한 새 도구 gget virus는 분류학, 날짜, 균주별 복잡한 필터링과 함께 결정론적 API 조율을 제공합니다. 이 도구를 사용하면 테스트된 모든 모델에서 정확도가 90% 이상으로 높아지고, GPT-5.5는 99.7%에 도달하였습니다.

인프라 차원의 해법으로서 context engine

이 논문은 context engine 도입을 주장합니다. Context engine은 데이터 검색과 모델의 창의적 추론을 분리하는 결정론적·에이전트 접근 가능 API 계층입니다. NCBI 같은 생물학 데이터베이스에는 방대한 구조화 데이터가 존재하지만, 중간 계층 없이는 에이전트가 이를 비결정론적으로 해석하며 재현성을 보장할 수 없습니다. 저자들은 신뢰할 수 있는 생물정보학을 위한 공공 인프라로 이러한 계층의 구축을 촉구합니다.