論文の概要: On the Potential and Limitations of Few-Shot In-Context Learning to Generate Metamorphic Specifications for Tax Preparation Software

• arxiv url: http://arxiv.org/abs/2311.11979v1
• Date: Mon, 20 Nov 2023 18:12:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-21 17:41:28.511529
• Title: On the Potential and Limitations of Few-Shot In-Context Learning to Generate Metamorphic Specifications for Tax Preparation Software
• Title（参考訳）: 税制作成ソフトの変成仕様作成のための少数ショットインコンテキスト学習の可能性と限界について
• Authors: Dananjay Srinivas, Rohan Das, Saeid Tizpaz-Niari, Ashutosh Trivedi, Maria Leonor Pacheco
• Abstract要約: 納税者の50%近くが、FY22にアメリカで税ソフトウェアを使って個人所得税を申告した。 本稿では,税制文書から抽出した属性間の翻訳タスクとして,変成仕様を作成するタスクを定式化する。
• 参考スコア（独自算出の注目度）: 12.071874385139395
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the ever-increasing complexity of income tax laws in the United States, the number of US taxpayers filing their taxes using tax preparation software (henceforth, tax software) continues to increase. According to the U.S. Internal Revenue Service (IRS), in FY22, nearly 50% of taxpayers filed their individual income taxes using tax software. Given the legal consequences of incorrectly filing taxes for the taxpayer, ensuring the correctness of tax software is of paramount importance. Metamorphic testing has emerged as a leading solution to test and debug legal-critical tax software due to the absence of correctness requirements and trustworthy datasets. The key idea behind metamorphic testing is to express the properties of a system in terms of the relationship between one input and its slightly metamorphosed twinned input. Extracting metamorphic properties from IRS tax publications is a tedious and time-consuming process. As a response, this paper formulates the task of generating metamorphic specifications as a translation task between properties extracted from tax documents - expressed in natural language - to a contrastive first-order logic form. We perform a systematic analysis on the potential and limitations of in-context learning with Large Language Models(LLMs) for this task, and outline a research agenda towards automating the generation of metamorphic specifications for tax preparation software.
• Abstract（参考訳）: アメリカ合衆国における所得税法の複雑さが増す中、税準備ソフト(henceforth, tax software)を使用した納税者の数は増加を続けている。 アメリカ内国歳入庁(IRS)によると、FY22年、納税者の50%近くが税ソフトウェアを使って個人所得税を申告した。 納税者に対して不当に税金を課すことによる法的結果を考えると、納税ソフトウェアの正当性を保証することが最重要事項である。 メタモルフィックテストは、正当性要件と信頼できるデータセットがないため、法律クリティカルな税ソフトウェアをテストし、デバッグするための主要なソリューションとして浮上した。 メタモルフィックテストの背景にある重要な考え方は、1つの入力とわずかにメタモルフィックされた双対入力の関係の観点からシステムの特性を表現することである。 IRS税の出版物から変成特性を抽出することは退屈で時間を要するプロセスである。 そこで本稿では, 自然言語で表現された税制文書から抽出した属性を, 対照的な一階述語論理形式に翻訳する作業として, メタモルフィック仕様を生成するタスクを定式化する。 本稿では,大規模言語モデル(llms)を用いた文脈内学習の可能性と限界に関する体系的分析を行い,税準備ソフトウェアのメタモルフィック仕様生成の自動化に向けた研究課題について概説する。

関連論文リスト

• Metamorphic Debugging for Accountable Software [8.001739956625483]
  法律書を正式な仕様に翻訳することは、一つの課題である。 クエリ(オラクル問題)に対する決定的な'真実'の欠如も問題である。 我々は,これらの課題に,関係仕様に焦点を合わせることで対処できることを提案する。
  論文  参考訳（メタデータ） (2024-09-24T14:45:13Z)
• A Taxation Perspective for Fair Re-ranking [61.946428892727795]
  本稿では,2項目間の実用性の違いに基づいて税率を上昇させる,税率という新たな公正な再格付け手法を提案する。 我々のモデルである税ランクは、公正な優遇措置として優れた税率政策を提供し、理論的には、精度損失よりも連続性と制御性の両方を実証している。
  論文  参考訳（メタデータ） (2024-04-27T08:21:29Z)
• Learning Optimal Tax Design in Nonatomic Congestion Games [63.89699366726275]
  我々は,非原子的混雑ゲームにおいて,最適な税制設計を学習し,効率を最大化する方法について検討する。 プレイヤー間の自己関心行動がシステムの効率を損なうことが知られている。
  論文  参考訳（メタデータ） (2024-02-12T06:32:53Z)
• Algorithmic Fairness and Vertical Equity: Income Fairness with IRS Tax Audit Models [73.24381010980606]
  本研究は、IRSによる税務監査選択を通知するシステムの文脈におけるアルゴリズムフェアネスの問題について検討する。 監査を選択するための柔軟な機械学習手法が、垂直エクイティにどのように影響するかを示す。 この結果は,公共セクター全体でのアルゴリズムツールの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2022-06-20T16:27:06Z)
• Metamorphic Testing and Debugging of Tax Preparation Software [2.185694185279913]
  我々はケーススタディのためのオープンソース税作成ソフトウェアに焦点をあてる。 我々は,納税ソフトの正しさを体系的に検証するランダム化テストケース生成戦略を開発した。
  論文  参考訳（メタデータ） (2022-05-10T16:10:10Z)
• Who Should Go First? A Self-Supervised Concept Sorting Model for Improving Taxonomy Expansion [50.794640012673064]
  データとビジネスの範囲が実際のアプリケーションで拡大するにつれ、既存の概念を組み込むために拡張する必要がある。 分類学の拡張に関する以前の研究は、新しい概念を独立して同時に処理し、それらの間の潜在的な関係と操作を挿入する適切な順序を無視します。 本稿では,新しい概念の中で局所ハイパーニム・ハイプニム構造を同時に発見し,挿入順序を決定する新しい自己教師付きフレームワークであるtaxoorderを提案する。
  論文  参考訳（メタデータ） (2021-04-08T11:00:43Z)
• Tax Knowledge Graph for a Smarter and More Personalized TurboTax [0.0]
  我々は、大規模なナレッジグラフを通じて、米国とカナダの複雑な所得税コンプライアンスロジックを表現するための革新的で実践的なアプローチを共有します。 納税知識グラフの構築と自動化、納税額の計算、情報不足の理由付け、計算結果の説明などについて紹介する。
  論文  参考訳（メタデータ） (2020-09-13T22:41:01Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)
• TaxoExpan: Self-supervised Taxonomy Expansion with Position-Enhanced Graph Neural Network [62.12557274257303]
  分類学は機械解釈可能な意味論から成り、多くのウェブアプリケーションに貴重な知識を提供する。 そこで我々は,既存の分類学から,クエリの集合を自動生成するTaxoExpanという,新しい自己教師型フレームワークを提案する。 本研究では,(1)既存の分類学におけるアンカー概念の局所構造を符号化する位置強調グラフニューラルネットワーク,(2)学習モデルが自己超越データにおけるラベルノイズに敏感になるようなノイズローバスト学習の2つの手法を開発する。
  論文  参考訳（メタデータ） (2020-01-26T21:30:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。