論文の概要: Citation-Enforced RAG for Fiscal Document Intelligence: Cited, Explainable Knowledge Retrieval in Tax Compliance

• arxiv url: http://arxiv.org/abs/2603.14170v1
• Date: Wed, 11 Mar 2026 20:01:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.645052
• Title: Citation-Enforced RAG for Fiscal Document Intelligence: Cited, Explainable Knowledge Retrieval in Tax Compliance
• Title（参考訳）: 財政文書インテリジェンスのためのCitation-Enforceed RAG:Citted, Explainable Knowledge Retrieval in Tax Compliance
• Authors: Akhil Chandra Shanivendra,
• Abstract要約: 本稿では,財務文書インテリジェンスのための引用強化RAGフレームワークを提案する。 実際のIRSおよび州税文書の評価は、引用の忠実度の改善、証明の削減、アナリストが利用できる説明を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tax authorities and public-sector financial agencies rely on large volumes of unstructured and semi-structured fiscal documents - including tax forms, instructions, publications, and jurisdiction-specific guidance - to support compliance analysis and audit workflows. While recent advances in generative AI and retrieval-augmented generation (RAG) have shown promise for document-centric question answering, existing approaches often lack the transparency, citation fidelity, and conservative behaviour required in high-stakes regulatory domains. This paper presents a multimodal, citation-enforced RAG framework for fiscal document intelligence that prioritises explainability and auditability. The framework adopts a source-first ingestion strategy, preserves page-level provenance, enforces citations during generation, and supports abstention when evidence is insufficient. Evaluation on real IRS and state tax documents demonstrates improved citation fidelity, reduced hallucination, and analyst-usable explanations, illustrating a pathway toward trustworthy AI for tax compliance.
• Abstract（参考訳）: 税務当局と公共セクター金融機関は、コンプライアンス分析と監査ワークフローを支援するために、税制、指示書、出版物、司法特有のガイダンスを含む、非構造化および半構造化の財政文書を大量に頼りにしている。 生成AIと検索強化世代(RAG)の最近の進歩は、ドキュメント中心の質問応答を約束している一方で、既存のアプローチは、高レベルの規制ドメインで必要とされる透明性、引用の忠実さ、保守的な振る舞いを欠いていることが多い。 本稿では,財務文書インテリジェンスのためのマルチモーダル・引用強化RAGフレームワークを提案する。 このフレームワークは、ソースファーストの摂取戦略を採用し、ページレベルの証明を保持し、世代間の引用を強制し、証拠が不十分な場合に停止をサポートする。 実際のIRSおよび州税文書の評価は、引用の忠実度の向上、幻覚の低減、そしてアナリストが利用できる説明を示し、税順守のための信頼できるAIへの道のりを描いている。

関連論文リスト

• CiteAudit: You Cited It, But Did You Read It? A Benchmark for Verifying Scientific References in the LLM Era [51.63024682584688]
  大規模言語モデル (LLM) は新たなリスクを導入している。 本稿では,科学文献における幻覚的引用のための総合的なベンチマークおよび検出フレームワークについて紹介する。 我々のフレームワークは、精度と解釈可能性の両方において、先行手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-26T19:17:39Z)
• HalluGraph: Auditable Hallucination Detection for Legal RAG Systems via Knowledge Graph Alignment [0.0]
  本稿では,コンテキスト,クエリ,応答から抽出した知識グラフ間の構造的アライメントを通じて幻覚を定量化するグラフ理論フレームワークであるHaluGraphを紹介する。 提案手法は,文中のエンティティが元文書に現れるかどうかを計測し,コンテキストによってアサートされた関係がサポートされていることを検証した,有界で解釈可能なメトリクスをtextitEntity Grounding (EG) に生成する。
  論文  参考訳（メタデータ） (2025-12-01T13:31:06Z)
• A Taxonomy-Driven Case Study of Australian Web Resources Against Technology-Facilitated Abuse [7.412243627099252]
  TFA(Technology-Facilitated Abuse)は、デジタルシステムが個人を嫌がらせ、監視し、脅し、制御するために使用される、広範かつ急速に進化する行動の集合を含んでいる。 本稿では、ピアレビュー研究の構造化レビューにおいて、TFAの統一された文献由来の分類に寄与する。 これはオーストラリアで最初の大規模、分類学的に整合した機関のウェブリソースの監査である。
  論文  参考訳（メタデータ） (2025-11-28T01:02:54Z)
• SemanticCite: Citation Verification with AI-Powered Full-Text Analysis and Evidence-Based Reasoning [0.0]
  本稿では,全文ソース解析による引用精度の検証を行うAIシステムであるSemanticCiteを紹介する。 提案手法は,複数の検索手法と,ニュアンスド・クレーム・ソース関係を抽出する4クラス分類システムを組み合わせたものである。 我々は、詳細なアライメント、機能分類、セマンティックアノテーション、およびバイオロメトリメタデータを備えた1000以上の引用からなる包括的なデータセットをコントリビュートする。
  論文  参考訳（メタデータ） (2025-11-20T10:05:21Z)
• The Journal of Prompt-Engineered Philosophy Or: How I Started to Track AI Assistance and Stopped Worrying About Slop [0.0]
  記事は、インセンティブがいかに透明性を損なうかを分析します。 伝統的な会場は政策の調整だけでこの緊張を解消できない。 義務的な開示を強制し、複製に基づくレビューを可能にし、詳細なドキュメントを通じて生態学的妥当性をサポートする。
  論文  参考訳（メタデータ） (2025-11-10T08:56:21Z)
• VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification [107.75781898355562]
  証拠を厳格に検証し,回答の帰属性を高めるために設計された,VeriCiteと呼ばれる新しいフレームワークを紹介する。 我々は,5つのオープンソースLCMと4つのデータセットを対象とした実験を行い,VeriCiteが回答の正しさを維持しつつ,引用品質を大幅に向上できることを実証した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:54Z)
• ReliabilityRAG: Effective and Provably Robust Defense for RAG-based Web-Search [69.60882125603133]
  本稿では,検索した文書の信頼性情報を明確に活用する,敵対的堅牢性のためのフレームワークであるReliabilityRAGを提案する。 我々の研究は、RAGの回収されたコーパスの腐敗に対するより効果的で確実に堅牢な防御に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2025-09-27T22:36:42Z)
• Generative AI for FFRDCs [2.132096006921048]
  少数の入力出力例で,大規模言語モデルが要約,分類,抽出,センスメイキングをいかに促進できるかを示す。 センシティブな政府コンテキストでの使用を可能にするために、生成AIのセキュアで柔軟な応用のためのオープンソースのフレームワークであるOnPrem$.LLMを適用する。
  論文  参考訳（メタデータ） (2025-09-25T11:45:39Z)
• DocThinker: Explainable Multimodal Large Language Models with Rule-based Reinforcement Learning for Document Understanding [66.07724324530844]
  動的推論時間推論のためのルールベースの強化学習フレームワークであるDocThinkerを提案する。 本手法は破滅的な忘れ込みを軽減し,適応性と透明性を両立させる。 本研究は,MLLMに基づく文書理解における説明可能性と適応性を高めるための強力な代替手段として,RLに注目した。
  論文  参考訳（メタデータ） (2025-08-12T03:06:55Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)

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。