論文の概要: Terminators: Terms of Service Parsing and Auditing Agents

• arxiv url: http://arxiv.org/abs/2505.11672v1
• Date: Fri, 16 May 2025 20:17:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:10.774364
• Title: Terminators: Terms of Service Parsing and Auditing Agents
• Title（参考訳）: ターミネーター:サービスパーシングと監査エージェントの用語
• Authors: Maruf Ahmed Mridul, Inwon Kang, Oshani Seneviratne,
• Abstract要約: Terminatorsは、ToS文書のパースと監査に大規模な言語モデルを活用するフレームワークである。 ターミネータはタスクを、項抽出、検証、説明責任計画という3つの解釈可能なステップに分解する。 不透明な用語を動作可能で検証可能なコンポーネントに翻訳することで、ターミネーターはWebコンテンツの倫理的利用を促進する。
• 参考スコア（独自算出の注目度）: 0.7303392100830282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Terms of Service (ToS) documents are often lengthy and written in complex legal language, making them difficult for users to read and understand. To address this challenge, we propose Terminators, a modular agentic framework that leverages large language models (LLMs) to parse and audit ToS documents. Rather than treating ToS understanding as a black-box summarization problem, Terminators breaks the task down to three interpretable steps: term extraction, verification, and accountability planning. We demonstrate the effectiveness of our method on the OpenAI ToS using GPT-4o, highlighting strategies to minimize hallucinations and maximize auditability. Our results suggest that structured, agent-based LLM workflows can enhance both the usability and enforceability of complex legal documents. By translating opaque terms into actionable, verifiable components, Terminators promotes ethical use of web content by enabling greater transparency, empowering users to understand their digital rights, and supporting automated policy audits for regulatory or civic oversight.
• Abstract（参考訳）: サービス規約(ToS)文書は、しばしば長く、複雑な法的言語で書かれており、ユーザが読みやすく、理解することが難しい。 この課題に対処するために,大規模言語モデル(LLM)を活用してToS文書を解析・監査するモジュール型エージェントフレームワークであるTerminatorsを提案する。 ToS理解をブラックボックスの要約問題として扱う代わりに、ターミネーターはタスクを3つの解釈可能なステップ(項抽出、検証、説明責任計画)に分解する。 GPT-4o を用いた OpenAI ToS における本手法の有効性を実証し,幻覚の最小化と監査可能性の最大化のための戦略を強調した。 以上の結果から,構造化されたエージェントベースのLLMワークフローは,複雑な法律文書のユーザビリティと強制性の両方を向上させることが示唆された。 ターミネーターは不透明な用語を行動可能で検証可能なコンポーネントに翻訳することで、透明性を高め、利用者にデジタル権利を理解する権限を与え、規制や市民監視のための自動ポリシー監査をサポートすることで、Webコンテンツの倫理的利用を促進する。

関連論文リスト

• The Accountability Paradox: How Platform API Restrictions Undermine AI Transparency Mandates [0.0]
  主要なソーシャルメディアプラットフォームに対するAPI制限は、アルゴリズムの透明性のためにデータアクセスを義務付けるEUデジタルサービス法[20]の遵守に異議を唱える。 規制要件とプラットフォーム実装の相違点の増大を評価するための構造化監査フレームワークを開発する。 我々は,国立標準技術研究所のAIリスクマネジメントフレームワークに沿った政策介入を提案する。
  論文  参考訳（メタデータ） (2025-05-16T14:30:20Z)
• Unveiling User Preferences: A Knowledge Graph and LLM-Driven Approach for Conversational Recommendation [55.5687800992432]
  本稿では,Large Language Models (LLMs) とKGs (KGs) を相乗化するプラグイン・アンド・プレイフレームワークを提案する。 これにより、LLMはKGエンティティを簡潔な自然言語記述に変換することができ、ドメイン固有の知識を理解できるようになる。
  論文  参考訳（メタデータ） (2024-11-16T11:47:21Z)
• CRAT: A Multi-Agent Framework for Causality-Enhanced Reflective and Retrieval-Augmented Translation with Large Language Models [59.8529196670565]
  CRATは、RAGと因果強化自己回帰を利用して翻訳課題に対処する、新しいマルチエージェント翻訳フレームワークである。 以上の結果からCRATは翻訳精度を著しく向上させ,特に文脈に敏感な単語や語彙の出現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-28T14:29:11Z)
• Analysing Zero-Shot Readability-Controlled Sentence Simplification [54.09069745799918]
  本研究では,異なる種類の文脈情報が,所望の可読性を持つ文を生成するモデルの能力に与える影響について検討する。 結果から,全ての試験されたモデルは,原文の制限や特徴のため,文の簡略化に苦慮していることがわかった。 実験では、RCTSに合わせたより良い自動評価指標の必要性も強調した。
  論文  参考訳（メタデータ） (2024-09-30T12:36:25Z)
• Compromising Embodied Agents with Contextual Backdoor Attacks [69.71630408822767]
  大型言語モデル(LLM)は、エンボディドインテリジェンスの発展に変化をもたらした。 本稿では,このプロセスにおけるバックドアセキュリティの重大な脅威を明らかにする。 ほんの少しの文脈的デモンストレーションを毒殺しただけで、攻撃者はブラックボックスLDMの文脈的環境を隠蔽することができる。
  論文  参考訳（メタデータ） (2024-08-06T01:20:12Z)
• LLMCheckup: Conversational Examination of Large Language Models via Interpretability Tools and Self-Explanations [26.340786701393768]
  対話の形で説明を提供する解釈可能性ツールは,ユーザの理解を高める上で有効であることを示す。 しかしながら、対話ベースの説明のための現在のソリューションは、しばしば外部ツールやモジュールを必要とし、設計されていないタスクに簡単に転送できない。 ユーザがその振る舞いについて,最先端の大規模言語モデル(LLM)とチャットできる,アクセスしやすいツールを提案する。
  論文  参考訳（メタデータ） (2024-01-23T09:11:07Z)
• kNN-ICL: Compositional Task-Oriented Parsing Generalization with Nearest Neighbor In-Context Learning [50.40636157214161]
  Task-Oriented Parsing (TOP)により、会話アシスタントは自然言語で表現されたユーザーコマンドを解釈できる。 LLMは、自然言語のプロンプトに基づいて、コンピュータプログラムにおいて印象的な性能を達成した。 本稿では,LLMのセマンティック解析機能を活用することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-12-17T17:26:50Z)
• MemGPT: Towards LLMs as Operating Systems [50.02623936965231]
  大規模言語モデル(LLM)はAIに革命をもたらしたが、限られたコンテキストウィンドウによって制約されている。 従来のオペレーティングシステムにおける階層型メモリシステムからのインスピレーションを引き出す技術である仮想コンテキスト管理を提案する。 私たちはMemGPTコードと実験のためのデータをhttps://memgpt.ai.comでリリースします。
  論文  参考訳（メタデータ） (2023-10-12T17:51:32Z)
• Towards Formal Verification of a TPM Software Stack [0.5074812070492739]
  本稿では,Frama-C 検証プラットフォームを用いた tpm2-ts の形式的検証について述べる。 リンクされたリストと複雑なデータ構造に基づいて、ライブラリのコードは検証ツールにとって非常に難しいように思える。
  論文  参考訳（メタデータ） (2023-07-31T16:35:16Z)
• A Question Answering Framework for Decontextualizing User-facing Snippets from Scientific Documents [47.39561727838956]
  言語モデルを使って、科学文書からスニペットを書き直して、自分で読むことができます。 本稿では,タスクを質問生成,質問応答,書き直しの3段階に分割するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-24T06:23:02Z)

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。