論文の概要: Resource-Efficient LLM Application for Structured Transformation of Unstructured Financial Contracts
- arxiv url: http://arxiv.org/abs/2510.23990v1
- Date: Tue, 28 Oct 2025 01:49:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-29 15:35:36.712282
- Title: Resource-Efficient LLM Application for Structured Transformation of Unstructured Financial Contracts
- Title（参考訳）: 資源効率の良いLLMによる非構造的金融契約の構造変換
- Authors: Maruf Ahmed Mridul, Oshani Seneviratne,
- Abstract要約: 法律文書を機械可読形式に変換するためのCDMizerフレームワークの拡張を提案する。
我々は,その性能を国際スワップ・デリバティブズ協会によって開発されたベンチマークと比較した。
この研究は、法的な契約変換を自動化するリソース効率の高いソリューションの可能性を強調します。
- 参考スコア（独自算出の注目度）: 1.1565257196553245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The transformation of unstructured legal contracts into standardized, machine-readable formats is essential for automating financial workflows. The Common Domain Model (CDM) provides a standardized framework for this purpose, but converting complex legal documents like Credit Support Annexes (CSAs) into CDM representations remains a significant challenge. In this paper, we present an extension of the CDMizer framework, a template-driven solution that ensures syntactic correctness and adherence to the CDM schema during contract-to-CDM conversion. We apply this extended framework to a real-world task, comparing its performance with a benchmark developed by the International Swaps and Derivatives Association (ISDA) for CSA clause extraction. Our results show that CDMizer, when integrated with a significantly smaller, open-source Large Language Model (LLM), achieves competitive performance in terms of accuracy and efficiency against larger, proprietary models. This work underscores the potential of resource-efficient solutions to automate legal contract transformation, offering a cost-effective and scalable approach that can meet the needs of financial institutions with constrained resources or strict data privacy requirements.
- Abstract（参考訳）: 財務ワークフローを自動化するためには、非構造化の法律契約を標準化された機械可読フォーマットに変換することが不可欠である。
Common Domain Model (CDM)はこの目的のために標準化されたフレームワークを提供するが、Credit Support Annexes (CSA)のような複雑な法的文書をCDM表現に変換することは大きな課題である。
本稿では,契約間CDM変換におけるCDMスキーマの構文的正当性を保証するテンプレート駆動型ソリューションであるCDMizerフレームワークの拡張について述べる。
我々は,この拡張フレームワークを実世界のタスクに適用し,その性能を国際スワップ・デリバティブズ協会(ISDA)がCSA節抽出のために開発したベンチマークと比較した。
以上の結果から, CDMizerは, より小型でオープンソースのLarge Language Model (LLM) と統合された場合, 大規模でプロプライエタリなモデルに対して, 精度と効率の点で競争性能が向上することがわかった。
この作業は、制約のあるリソースや厳格なデータプライバシ要件を持つ金融機関のニーズを満たすために、コスト効率が高くスケーラブルなアプローチを提供する、法的契約変換を自動化するためのリソース効率の高いソリューションの可能性を強調します。
関連論文リスト
- Automatic Building Code Review: A Case Study [6.530899637501737]
建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。
本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-03T00:30:14Z) - Agentic AI for Financial Crime Compliance [0.0]
本稿では、デジタルネイティブ金融プラットフォームにおける金融犯罪コンプライアンス(FCC)のためのエージェントAIシステムの設計と展開について述べる。
このコントリビューションには、リファレンスアーキテクチャ、現実世界のプロトタイプ、およびAgentic AIが規制下で再構成できる方法に関する洞察が含まれている。
論文 参考訳（メタデータ） (2025-09-16T14:53:51Z) - Structured Agentic Workflows for Financial Time-Series Modeling with LLMs and Reflective Feedback [16.04516547661581]
時系列データは金融市場における意思決定の中心であるが、ハイパフォーマンス、解釈可能、監査可能なモデルの構築は依然として大きな課題である。
textsfTSAgentは、金融アプリケーションの時系列モデリングの自動化と強化を目的として設計されたモジュラーエージェントフレームワークである。
論文 参考訳（メタデータ） (2025-08-19T15:14:49Z) - Federated In-Context Learning: Iterative Refinement for Improved Answer Quality [62.72381208029899]
In-context Learning (ICL) では、入力に提供される例を活用することで、パラメータを変更することなく、言語モデルで応答を生成することができる。
我々は,反復的協調プロセスを通じてICLを強化する汎用フレームワークであるFederated In-Context Learning (Fed-ICL)を提案する。
Fed-ICLは、クライアントと中央サーバ間のマルチラウンドインタラクションを活用することで、応答を徐々に洗練し、モデルパラメータを送信することなく、応答品質を向上させる。
論文 参考訳（メタデータ） (2025-06-09T05:33:28Z) - COALESCE: Economic and Security Dynamics of Skill-Based Task Outsourcing Among Team of Autonomous LLM Agents [0.0]
COALESCEは、自律型大規模言語モデル(LLM)エージェントが特定のサブタスクを、特殊で費用対効果の高いサードパーティのLCMエージェントにアウトソースできるように設計された、新しいフレームワークである。
239の理論的シミュレーションによる総合的な検証は41.8%のコスト削減の可能性を示している。
240の実際のLCMタスクにわたる大規模な実証検証により、適切なエプシロン-グレディー探索によって20.3%のコスト削減が確認された。
論文 参考訳（メタデータ） (2025-06-02T17:22:47Z) - AI4Contracts: LLM & RAG-Powered Encoding of Financial Derivative Contracts [1.3060230641655135]
大規模言語モデル(LLM)と検索拡張生成(RAG)は、AIシステムが構造化されていないテキストから情報を抽出し整理する方法を再構築している。
本稿では,テンプレート駆動型LLMフレームワークであるCDMizerと,構造化テキスト変換のためのRAGベースのフレームワークを紹介する。
論文 参考訳（メタデータ） (2025-06-01T16:05:00Z) - MSDA: Combining Pseudo-labeling and Self-Supervision for Unsupervised Domain Adaptation in ASR [59.83547898874152]
本稿では,自己教師付き学習と半教師付き技術を統合する,サンプル効率のよい2段階適応手法を提案する。
MSDAは、ASRモデルの堅牢性と一般化を強化するように設計されている。
本稿では,メタPLがASRタスクに効果的に適用可能であることを示す。
論文 参考訳（メタデータ） (2025-05-30T14:46:05Z) - Leveraging Importance Sampling to Detach Alignment Modules from Large Language Models [48.15777554876988]
伝統的なアライメント手法では、しばしば大きな事前訓練されたモデルを再訓練する必要がある。
本稿では,アライメント処理を重要サンプリングの一種として形式化する新しいtextitResidual Alignment Model (textitRAM) を提案する。
本稿では,トークンレベルの復号化を反復的に行う再サンプリングアルゴリズムを開発した。
論文 参考訳（メタデータ） (2025-05-26T08:53:02Z) - MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision [76.42361936804313]
自動MAS設計のための自己進化型推論時間フレームワークMAS-ZEROを紹介する。
MAS-ZEROはメタレベルの設計を採用し、各問題インスタンスに適したMAS構成を反復的に生成し、評価し、洗練する。
論文 参考訳（メタデータ） (2025-05-21T00:56:09Z) - Diffusion & Adversarial Schrödinger Bridges via Iterative Proportional Markovian Fitting [87.37278888311839]
反復マルコフフィッティング (IMF) 法はシュル・オーディンガー橋 (SB) の問題を解決するのに成功している。
IMFとIPF(Iterative Proportional Fitting)手続きの密接な関係を示す。
本稿では,この組み合わせをIPMF法(Iterative Proportional Markovian Fitting)と呼ぶ。
論文 参考訳（メタデータ） (2024-10-03T15:43:17Z)
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。