論文の概要: RegGuard: AI-Powered Retrieval-Enhanced Assistant for Pharmaceutical Regulatory Compliance
- arxiv url: http://arxiv.org/abs/2601.17826v1
- Date: Sun, 25 Jan 2026 13:11:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:08.420544
- Title: RegGuard: AI-Powered Retrieval-Enhanced Assistant for Pharmaceutical Regulatory Compliance
- Title（参考訳）: RegGuard: 医薬品規制コンプライアンスのためのAIによる検索強化アシスタント
- Authors: Siyuan Yang, Xihan Bian, Jiayin Tang,
- Abstract要約: RegGuardは、異質な規制テキストの解釈を自動化するために設計された産業規模のAIアシスタントである。
このシステムはセキュアなパイプラインを通じて異質なドキュメントソースを取り込みます。
RegGuardは、応答品質を、関連性、基礎性、コンテキストの焦点という点で特に改善する。
- 参考スコア（独自算出の注目度）: 3.354018798133739
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increasing frequency and complexity of regulatory updates present a significant burden for multinational pharmaceutical companies. Compliance teams must interpret evolving rules across jurisdictions, formats, and agencies, often manually, at high cost and risk of error. We introduce RegGuard, an industrial-scale AI assistant designed to automate the interpretation of heterogeneous regulatory texts and align them with internal corporate policies. The system ingests heterogeneous document sources through a secure pipeline and enhances retrieval and generation quality with two novel components: HiSACC (Hierarchical Semantic Aggregation for Contextual Chunking) semantically segments long documents into coherent units while maintaining consistency across non-contiguous sections. ReLACE (Regulatory Listwise Adaptive Cross-Encoder for Reranking), a domain-adapted cross-encoder built on an open-source model, jointly models user queries and retrieved candidates to improve ranking relevance. Evaluations in enterprise settings demonstrate that RegGuard improves answer quality specifically in terms of relevance, groundedness, and contextual focus, while significantly mitigating hallucination risk. The system architecture is built for auditability and traceability, featuring provenance tracking, access control, and incremental indexing, making it highly responsive to evolving document sources and relevant for any domain with stringent compliance demands.
- Abstract（参考訳）: 規制更新の頻度と複雑さの増大は、多国籍製薬会社にとって重大な負担となる。
コンプライアンスチームは、しばしば手動で、高いコストとエラーのリスクで、管轄区域、フォーマット、エージェンシーの進化するルールを解釈しなければなりません。
我々は、異質な規制文書の解釈を自動化し、それらを社内のポリシーに合わせるために設計された産業規模のAIアシスタントであるRegGuardを紹介する。
このシステムは、セキュアなパイプラインを通じて異種文書ソースを取り込み、HiSACC(Hierarchical Semantic Aggregation for Contextual Chunking)という2つの新しいコンポーネントで検索と生成品質を向上させる。
ReLACE(Regulatory Listwise Adaptive Cross-Encoder for Re rank)は、オープンソースモデル上に構築されたドメイン適応クロスエンコーダで、ユーザクエリと検索候補を共同でモデル化し、ランキング関連性を改善する。
企業環境での評価では、RegGuardは、関連性、基礎性、文脈的な焦点という点で、回答の品質を特に向上し、幻覚のリスクを著しく軽減している。
システムアーキテクチャは監査性とトレーサビリティのために構築されており、プロファイナンストラッキング、アクセス制御、インクリメンタルインデックスが特徴であり、ドキュメントソースの進化に非常に反応し、厳格なコンプライアンス要求のあるすべてのドメインに関連する。
関連論文リスト
- From Completion to Editing: Unlocking Context-Aware Code Infilling via Search-and-Replace Instruction Tuning [81.97788535387286]
本稿では,エージェントによる検証・編集機構を統一された単一パス推論プロセスに内部化するフレームワークを提案する。
最小限のデータで、SRI-Coderは、ChatモデルがBaseモデルの完了性能を上回ることができる。
FIMスタイルのチューニングとは異なり、SRIは一般的なコーディング能力を保持し、標準のFIMに匹敵する推論遅延を維持する。
論文 参考訳（メタデータ） (2026-01-19T20:33:53Z) - Hybrid Retrieval-Augmented Generation Agent for Trustworthy Legal Question Answering in Judicial Forensics [30.232667436008978]
司法設定に適した混成法的QAエージェントを提示する。
検索強化世代(RAG)とマルチモデルアンサンブルを統合し、信頼性、監査性、継続的なアップグレード可能なカウンセラーを提供する。
論文 参考訳（メタデータ） (2025-11-03T15:30:58Z) - Analyzing and Internalizing Complex Policy Documents for LLM Agents [53.14898416858099]
大規模言語モデル(LLM)ベースのエージェントシステムは、多様なビジネスルールをコードするコンテキスト内ポリシー文書に依存している。
これは、パフォーマンスを保ちながら、ポリシー文書をモデルプリエントに組み込む内部化手法の開発を動機付けます。
CC-Genは4つのレベルにまたがる制御可能な複雑度を持つエージェントベンチマークジェネレータである。
論文 参考訳（メタデータ） (2025-10-13T16:30:07Z) - Domain-Specific Data Generation Framework for RAG Adaptation [58.20906914537952]
Retrieval-Augmented Generation (RAG)は、大規模言語モデルの言語理解と推論能力と外部検索を組み合わせ、ドメイン基底応答を可能にする。
本稿では,様々なRAG適応手法に合わせて,ドメイン基底型質問応答コンテキスト(QAC)トリプルを生成するフレームワークであるRAGenを提案する。
論文 参考訳（メタデータ） (2025-10-13T09:59:49Z) - All for law and law for all: Adaptive RAG Pipeline for Legal Research [0.8819595592190884]
Retrieval-Augmented Generation (RAG)は、テキスト生成タスクのアプローチ方法を変えました。
この作業では、以前のベースラインを改善した、新しいエンドツーエンドのRAGパイプラインを導入している。
論文 参考訳（メタデータ） (2025-08-18T17:14:03Z) - RAGulating Compliance: A Multi-Agent Knowledge Graph for Regulatory QA [0.0]
規制コンプライアンス質問応答(QA)は、正確で検証可能な情報を必要とする。
我々は、レギュレーション三重項の知識グラフ(KG)とレトリーバル拡張生成(RAG)を統合する新しいマルチエージェントフレームワークを提案する。
我々のハイブリッドシステムは、複雑な規制クエリにおいて従来の手法よりも優れており、組込み三重項による事実の正しさが保証されている。
論文 参考訳（メタデータ） (2025-08-13T15:51:05Z) - AI-Supported Platform for System Monitoring and Decision-Making in Nuclear Waste Management with Large Language Models [1.6795461001108096]
本稿では,大規模言語モデル(LLM)と文書検索機構を統合したマルチエージェント検索・拡張生成(RAG)システムを提案する。
このシステムは、規制決定が事実上基礎を保ち、進化する規制フレームワークに動的に適応することを保証する。
論文 参考訳（メタデータ） (2025-05-27T20:29:53Z) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z) - A Hybrid Approach to Information Retrieval and Answer Generation for Regulatory Texts [0.0]
本稿では,語彙検索と意味検索を組み合わせたハイブリッド情報検索システムを提案する。
このシステムは、微調整文変換モデルと従来のBM25アルゴリズムを統合し、意味的精度と語彙的カバレッジの両方を達成する。
論文 参考訳（メタデータ） (2025-02-24T01:16:16Z) - 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)
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。