論文の概要: Technical Challenges in Maintaining Tax Prep Software with Large Language Models

• arxiv url: http://arxiv.org/abs/2504.18693v1
• Date: Fri, 25 Apr 2025 21:00:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.94759
• Title: Technical Challenges in Maintaining Tax Prep Software with Large Language Models
• Title（参考訳）: 大規模言語モデルによる税増税ソフトウェア維持の技術的課題
• Authors: Sina Gogani-Khiabani, Varsha Dewangan, Nina Olson, Ashutosh Trivedi, Saeid Tizpaz-Niari,
• Abstract要約: 我々は、LLM(Large Language Models)を活用した技術的課題を特定し、理解し、対処することに注力する。 我々の研究は、ChatGPTとLlamaを利用してIRS出版物からコード差分を忠実に抽出する技術的課題を特定し、理解し、対処することに焦点を当てています。
• 参考スコア（独自算出の注目度）: 6.419602857618507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the US tax law evolves to adapt to ever-changing politico-economic realities, tax preparation software plays a significant role in helping taxpayers navigate these complexities. The dynamic nature of tax regulations poses a significant challenge to accurately and timely maintaining tax software artifacts. The state-of-the-art in maintaining tax prep software is time-consuming and error-prone as it involves manual code analysis combined with an expert interpretation of tax law amendments. We posit that the rigor and formality of tax amendment language, as expressed in IRS publications, makes it amenable to automatic translation to executable specifications (code). Our research efforts focus on identifying, understanding, and tackling technical challenges in leveraging Large Language Models (LLMs), such as ChatGPT and Llama, to faithfully extract code differentials from IRS publications and automatically integrate them with the prior version of the code to automate tax prep software maintenance.
• Abstract（参考訳）: 米国税法が変わらず政治・経済の現実に適応するために進化するにつれて、納税者がこれらの複雑さをナビゲートするのを助けるために税準備ソフトウェアが重要な役割を果たしている。 税制規制の動的な性質は、税制ソフトウェアアーティファクトの正確かつタイムリーな維持に重大な課題をもたらす。 税法改正に関する専門家の解釈と手作業によるコード分析が組み合わさっているため、税前処理ソフトウェアを維持するための最先端技術は時間がかかり、エラーを起こしやすい。 我々は、IRSの出版物で示されるように、税制改正言語の厳格さと形式性は、実行可能な仕様(コード)への自動翻訳を可能にすると仮定する。 我々の研究は、ChatGPTやLlamaのような大規模言語モデル(LLM)を活用した技術的課題を特定し、理解し、対処することに集中し、IRS出版物からコード差分を忠実に抽出し、それらを以前のバージョンのコードと自動的に統合し、税収ソフトウェアのメンテナンスを自動化する。

関連論文リスト

• Relating Answer Set Programming and Many-sorted Logics for Formal Verification [1.223779595809275]
  私の研究課題は、ASP検証をアクセス可能で日常的なタスクにする意図で、3つの問題に対処することに集中しています。 ASP の代替セマンティクスを,この辺りで多種多様な一階述語論理の論理への変換に基づいて検討した。 これらのセマンティクスは、論理プログラムのモジュラー理解を促進し、基底をバイパスし、自動定理プロバーを使用してプログラムのプロパティを自動検証することを可能にする。
  論文  参考訳（メタデータ） (2025-02-13T11:52:40Z)
• 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)
• NExT: Teaching Large Language Models to Reason about Code Execution [50.93581376646064]
  大規模言語モデル(LLM)のコードは通常、プログラムの表面テキスト形式に基づいて訓練される。 NExTは,プログラムの実行トレースを検査し,実行時の動作を判断する手法である。
  論文  参考訳（メタデータ） (2024-04-23T01:46:32Z)
• Learning Optimal Tax Design in Nonatomic Congestion Games [56.85292809260111]
  マルチプレイヤーゲームでは、プレイヤー間の利己的な行動が社会福祉を損なうことがある。 我々は、渋滞ゲームにおいて、限られたフィードバックで社会福祉を誘導できる最適税を学習する最初のステップを採っている。
  論文  参考訳（メタデータ） (2024-02-12T06:32:53Z)
• On the Potential and Limitations of Few-Shot In-Context Learning to Generate Metamorphic Specifications for Tax Preparation Software [12.071874385139395]
  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。
  論文  参考訳（メタデータ） (2023-11-20T18:12:28Z)
• Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
  学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。 確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。 Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
  論文  参考訳（メタデータ） (2023-09-25T15:42:18Z)
• 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)
• 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)

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。