論文の概要: Judging by the Rules: Compliance-Aligned Framework for Modern Slavery Statement Monitoring

• arxiv url: http://arxiv.org/abs/2511.07803v1
• Date: Wed, 12 Nov 2025 01:19:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.485212
• Title: Judging by the Rules: Compliance-Aligned Framework for Modern Slavery Statement Monitoring
• Title（参考訳）: 規則による判断: 現代スレーブステートメントモニタリングのためのコンプライアンス指向フレームワーク
• Authors: Wenhao Xu, Akshatha Arodi, Jian-Yun Nie, Arsene Fansi Tchango,
• Abstract要約: 現代の奴隷制度は世界中で何百万人もの人々に影響を与えており、現代の奴隷制度法のような規制の枠組みでは、企業が詳細な開示を公表する必要がある。 これらのステートメントは曖昧で矛盾することが多く、手作業によるレビューの時間とスケールが難しくなる。 専門家の監視を維持しつつルールレベルのコンプライアンス検証にAIを活用する新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 24.13989765643719
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern slavery affects millions of people worldwide, and regulatory frameworks such as Modern Slavery Acts now require companies to publish detailed disclosures. However, these statements are often vague and inconsistent, making manual review time-consuming and difficult to scale. While NLP offers a promising path forward, high-stakes compliance tasks require more than accurate classification: they demand transparent, rule-aligned outputs that legal experts can verify. Existing applications of large language models (LLMs) often reduce complex regulatory assessments to binary decisions, lacking the necessary structure for robust legal scrutiny. We argue that compliance verification is fundamentally a rule-matching problem: it requires evaluating whether textual statements adhere to well-defined regulatory rules. To this end, we propose a novel framework that harnesses AI for rule-level compliance verification while preserving expert oversight. At its core is the Compliance Alignment Judge (CA-Judge), which evaluates model-generated justifications based on their fidelity to statutory requirements. Using this feedback, we train the Compliance Alignment LLM (CALLM), a model that produces rule-consistent, human-verifiable outputs. CALLM improves predictive performance and generates outputs that are both transparent and legally grounded, offering a more verifiable and actionable solution for real-world compliance analysis.
• Abstract（参考訳）: 現代の奴隷制度は世界中で何百万人もの人々に影響を与えており、現代の奴隷制度法のような規制の枠組みでは、企業が詳細な開示を公表する必要がある。 しかしながら、これらのステートメントは曖昧で一貫性がなく、手作業によるレビューの時間とスケールが難しくなることが多い。 NLPは将来性のある道筋を提供するが、高度なコンプライアンスタスクは正確な分類以上のものを必要としている。 大規模言語モデル(LLM)の既存の応用は、厳密な法的精査に必要な構造が欠如しているため、複雑な規制評価を二項決定に還元することが多い。 我々は、コンプライアンス検証は基本的にルールマッチングの問題であり、テキストのステートメントが適切に定義された規制ルールに準拠しているかどうかを評価する必要があると論じている。 この目的のために,専門家の監視を維持しつつ,ルールレベルのコンプライアンス検証にAIを活用する新しいフレームワークを提案する。 中心となるのはコンプライアンスアライメント・ジャッジ(CA-Judge)であり、このジャッジは法定要件に対する忠実さに基づいてモデル生成の正当化を評価する。 このフィードバックを用いて、ルールに一貫性のある人間の検証可能な出力を生成するモデルであるコンプライアンスアライメント LLM (CALLM) を訓練する。 CALLMは予測性能を改善し、透明性と法的根拠の両方のアウトプットを生成し、現実のコンプライアンス分析をより検証し、実行可能なソリューションを提供する。

関連論文リスト

• "Show Me You Comply... Without Showing Me Anything": Zero-Knowledge Software Auditing for AI-Enabled Systems [2.2981698355892686]
  本稿では,新しいMLOps検証フレームワークであるZKMLOpsを紹介する。 ZKP(Zero-Knowledge Proofs)暗号プロトコルを運用し、証明者が証明者に対して、文が真実であることを納得させることができる。 我々は、金融リスク監査における規制コンプライアンスの研究を通じて、この枠組みの実践性を評価する。
  論文  参考訳（メタデータ） (2025-10-30T15:03:32Z)
• AUTOLAW: Enhancing Legal Compliance in Large Language Models via Case Law Generation and Jury-Inspired Deliberation [5.732271982985626]
  AutoLawは、ドメイン固有の大規模言語モデル(LLM)のための新しい違反検出フレームワークである。 LLMの法的コンプライアンスを強化するために、敵対的なデータ生成と陪審に触発された審議プロセスを組み合わせる。 本研究は, 法的不一致を適応的に調査し, 信頼性の高い文脈対応の判断を下すフレームワークの能力を強調した。
  論文  参考訳（メタデータ） (2025-05-20T07:09:13Z)
• Representing Normative Regulations in OWL DL for Automated Compliance Checking Supported by Text Annotation [0.138120109831448]
  本稿では,テキストアノテーションを機械解釈可能なOWL DLコードに変換するアノテーションスキーマとアルゴリズムを提案する。 提案手法はビルディング・コンストラクション・ドメインの例に応用した概念実証実装によって検証される。
  論文  参考訳（メタデータ） (2025-04-08T12:05:21Z)
• Deliberative Alignment: Reasoning Enables Safer Language Models [64.60765108418062]
  モデルセーフティ仕様を教える新しいパラダイムであるDeliberative Alignmentを紹介します。 このアプローチを使ってOpenAIのoシリーズモデルを整列させ、人書きのチェーンや回答を必要とせず、OpenAIの安全ポリシーに極めて正確な順守を実現しました。
  論文  参考訳（メタデータ） (2024-12-20T21:00:11Z)
• RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
  本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。 我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。 本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
  論文  参考訳（メタデータ） (2024-09-09T14:44:19Z)
• From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
  Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。 本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。 実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
  論文  参考訳（メタデータ） (2023-10-22T16:07:06Z)

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。