Fugu-MT 論文翻訳(概要): LegiScout: A Visual Tool for Understanding Complex Legislation

論文の概要: LegiScout: A Visual Tool for Understanding Complex Legislation

arxiv url: http://arxiv.org/abs/2510.01195v2
Date: Tue, 21 Oct 2025 03:13:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 03:08:10.725582
Title: LegiScout: A Visual Tool for Understanding Complex Legislation
Title（参考訳）: LegiScout: 複雑な立法を理解するためのビジュアルツール
Authors: Aadarsh Rajiv Patel, Klaus Mueller,
Abstract要約: LegiScoutは、静的ポリシー図を動的、強制指向グラフに変換するインタラクティブな可視化システムである。私たちのアプローチでは、ステークホルダー(政策立案者、アナリスト、一般大衆)がモダンな法律に固有の複雑さをナビゲートし、理解することができます。
参考スコア（独自算出の注目度）: 12.1714185601677
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Modern legislative frameworks, such as the Affordable Care Act (ACA), often involve complex webs of agencies, mandates, and interdependencies. Government issued charts attempt to depict these structures but are typically static, dense, and difficult to interpret - even for experts. We introduce LegiScout, an interactive visualization system that transforms static policy diagrams into dynamic, force-directed graphs, enhancing comprehension while preserving essential relationships. By integrating data extraction, natural language processing, and computer vision techniques, LegiScout supports deeper exploration of not only the ACA but also a wide range of legislative and regulatory frameworks. Our approach enables stakeholders - policymakers, analysts, and the public - to navigate and understand the complexity inherent in modern law.
Abstract（参考訳）: Affordable Care Act (ACA) のような近代的な立法の枠組みは、しばしば機関、委任統治、相互依存の複雑なウェブを包含している。政府はこれらの構造を描写しようとするが、通常は静的で、密度が高く、解釈が難しい。本稿では,静的ポリシー図を動的かつ力強いグラフに変換するインタラクティブな可視化システムLegiScoutを紹介する。データ抽出、自然言語処理、コンピュータビジョン技術を統合することで、LegiScoutはACAだけでなく、幅広い立法および規制の枠組みのより深い探索を支援している。私たちのアプローチでは、ステークホルダー(政策立案者、アナリスト、一般大衆)がモダンな法律に固有の複雑さをナビゲートし、理解することができます。

関連論文リスト

CompAgent: An Agentic Framework for Visual Compliance Verification [3.847341641557404]
視覚コンプライアンスの検証は、コンピュータビジョンにおいて重要な問題であるが、未発見の課題である。本稿では,視覚的コンプライアンス検証のための最初のエージェントフレームワークであるCompAgentを提案する。検証エージェントは、画像、ツール出力、ポリシーコンテキストを統合し、マルチモーダル推論を実行する。
論文参考訳（メタデータ） (2025-10-31T18:20:06Z)
Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。 G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
論文参考訳（メタデータ） (2025-10-09T09:08:33Z)
A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
近年の研究では、敵が対象モデルの機能を複製できることが示されている。モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
論文参考訳（メタデータ） (2025-08-20T19:49:59Z)
From Semantic Web and MAS to Agentic AI: A Unified Narrative of the Web of Agents [43.50183874732483]
エージェントのWeb(WoA)の包括的進化的概要について紹介する。 A2AやMPPのような現代的なプロトコルは、FIPA標準やOWLベースのセマンティックエージェントのような以前の標準の制限に対する直接的な進化的応答であることを示す。我々は、新しいプロトコルは不可欠であるが、堅牢でオープンで信頼できるエコシステムを構築するには不十分である、と結論付けている。
論文参考訳（メタデータ） (2025-07-14T16:47:19Z)
Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
論文参考訳（メタデータ） (2025-05-28T15:20:09Z)
Agentic Publications: An LLM-Driven Framework for Interactive Scientific Publishing, Supplementing Traditional Papers with AI-Powered Knowledge Systems [0.0]
論文をインタラクティブな知識システムに変換するための新しい枠組みである。我々のアーキテクチャは、検索拡張生成とマルチエージェント検証によって構造化されたデータと非構造化コンテンツを統合する。主な機能としては、継続的知識更新、新たな発見の自動統合、カスタマイズ可能な詳細レベルなどがある。
論文参考訳（メタデータ） (2025-05-19T15:28:10Z)
A Survey on (M)LLM-Based GUI Agents [62.57899977018417]
グラフィカルユーザインタフェース (GUI) エージェントは、人間とコンピュータのインタラクションにおいて、トランスフォーメーションパラダイムとして登場した。大規模言語モデルとマルチモーダル学習の最近の進歩は、デスクトップ、モバイル、Webプラットフォーム全体でGUI自動化に革命をもたらした。本調査では, 正確な要素位置決定, 効果的な知識検索, 長期計画, 安全に配慮した実行制御など, 重要な技術的課題を明らかにする。
論文参考訳（メタデータ） (2025-03-27T17:58:31Z)
Bridging Legal Knowledge and AI: Retrieval-Augmented Generation with Vector Stores, Knowledge Graphs, and Hierarchical Non-negative Matrix Factorization [6.0045906216050815]
大規模言語モデル(LLM)を利用したエージェント生成AI - 検索型生成(RAG)、知識グラフ(KG)、ベクトルストア(VS) この技術は、膨大な非構造化または半構造化データセット内の関係を推測するのに優れている。非負行列因子化(Non-Negative Matrix Factorization, NMF)により構築されたRAG, VS, KGを統合した生成AIシステムを導入する。
論文参考訳（メタデータ） (2025-02-27T18:35:39Z)
Leveraging Knowledge Graphs and LLMs to Support and Monitor Legislative Systems [0.0]
本研究は、立法プロセスの相乗効果と支援について、立法知識グラフとLLMを用いて検討する。この目的のために、我々は、立法分析を行う可能性を高めるイタリアの法律に焦点を当てたインタラクティブなプラットフォームであるLegis AI Platformを開発する。
論文参考訳（メタデータ） (2024-09-20T06:21:03Z)
ClawMachine: Learning to Fetch Visual Tokens for Referential Comprehension [71.03445074045092]
我々はClawMachineを提案し、視覚トークンのグループのトークン集合を用いて各エンティティに明示的に通知する新しい方法論を提案する。追加構文を用いることなく視覚的参照タスクのプロンプトと応答を統一する手法を提案する。 ClawMachineは、高い効率でシーンレベルおよび参照理解タスクにおいて優れたパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-06-17T08:39:16Z)
Large Language Models for Information Retrieval: A Survey [83.75872593741578]
情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。 LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
論文参考訳（メタデータ） (2023-08-14T12:47:22Z)

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。