컴퓨터 보조 합성 계획 (Computer-assisted synthesis planning)은 각 변환에 결정론적이고 해석 가능한 레이블을 부여하는 방대한 반응 규칙 라이브러리를 사용하여 대상 분자를 접근 가능한 전구체로 분해합니다. 하지만 화학은 롱테일 (long-tailed) 특성을 가지고 있어 수동 인코딩이 불가능하며, 기존 도구들은 새로운 화학 분야에 적응할 수 없는 고정된 규칙 세트에 의존합니다. 본 논문에서는 대규모 언어 모델 (LLMs)의 멀티 에이전트 프레임워크가 665,901개의 미국 특허 반응에 걸쳐 반응을 분류하고 규칙 자체를 직접 작성하는 완전 자동화된 파이프라인을 제시하며, 각 규칙은 코퍼스 (corpus)를 대상으로 테스트하는 검증 루프 (verification loop) 하에서 생성됩니다. 이 시스템은 인간의 큐레이션 없이 표준 분류 체계를 68개에서 14,073개 클래스로 확장합니다. 경량 핑거프린트 분류기 (lightweight fingerprint classifier)를 통해 학습되지 않은 반응의 97.7%를 분류하며, 이는 선도적인 독점 분류기와 대등한 성능을 보이면서도 화학적 특성을 더 세밀하게 해결하고, 학습 분포 외부의 화학 분야로 필요에 따라 확장할 수 있습니다. 그 결과, 살아있는 반응성 데이터베이스와 생성 모델을 신뢰할 수 있는 자기 확장형 심볼릭 시스템 (symbolic systems)으로 전환하는 일반적인 경로를 확보하게 되었습니다.