論文の概要: FinReporting: An Agentic Workflow for Localized Reporting of Cross-Jurisdiction Financial Disclosures

• arxiv url: http://arxiv.org/abs/2604.05966v1
• Date: Tue, 07 Apr 2026 15:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.899471
• Title: FinReporting: An Agentic Workflow for Localized Reporting of Cross-Jurisdiction Financial Disclosures
• Title（参考訳）: FinReporting: 財務情報開示の局所的報告のためのエージェントワークフロー
• Authors: Fan Zhang, Mingzi Song, Rania Elbadry, Yankai Chen, Shaobo Wang, Yixi Zhou, Xunwen Zheng, Yueru He, Yuyang Dai, Georgi Georgiev, Ayesha Gull, Muhammad Usman Safder, Fan Wu, Liyuan Meng, Fengxian Ji, Junning Zhao, Xueqing Peng, Jimin Huang, Yu Chen, Xue, Liu, Preslav Nakov, Zhuohan Xie,
• Abstract要約: 本稿では、FinReportingについて紹介する。FinReportingは、ローカライズド・クロス・アグリゲーション・ファイナンシャル・レポートのためのエージェントワークフローである。 このシステムは、所得計算、バランスシート、キャッシュフローに統一された標準オントロジーを構築する。 これは、レポートをファイリング取得、抽出、標準マッピング、異常ロギングを含む監査可能なステージに分解する。
• 参考スコア（独自算出の注目度）: 39.77510496944984
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial reporting systems increasingly use large language models (LLMs) to extract and summarize corporate disclosures. However, most assume a single-market setting and do not address structural differences across jurisdictions. Variations in accounting taxonomies, tagging infrastructures (e.g., XBRL vs. PDF), and aggregation conventions make cross-jurisdiction reporting a semantic alignment and verification challenge. We present FinReporting, an agentic workflow for localized cross-jurisdiction financial reporting. The system builds a unified canonical ontology over Income Statement, Balance Sheet, and Cash Flow, and decomposes reporting into auditable stages including filing acquisition, extraction, canonical mapping, and anomaly logging. Rather than using LLMs as free-form generators, FinReporting deploys them as constrained verifiers under explicit decision rules and evidence grounding. Evaluated on annual filings from the US, Japan, and China, the system improves consistency and reliability under heterogeneous reporting regimes. We release an interactive demo supporting cross-market inspection and structured export of localized financial statements. Our demo is available at https://huggingface.co/spaces/BoomQ/FinReporting-Demo . The video describing our system is available at https://www.youtube.com/watch?v=f65jdEL31Kk
• Abstract（参考訳）: 金融報告システムでは、企業情報開示の抽出と要約に大規模言語モデル(LLM)をますます活用している。 しかし、ほとんどの場合、単一市場の設定を前提としており、管轄区域間の構造的差異に対処していない。 分類学、タグ付けインフラ(例:XBRL vs. PDF)、アグリゲーション規則のバリエーションは、セマンティックアライメントと検証の課題を報告している。 本稿では、FinReportingについて紹介する。FinReportingは、ローカライズド・クロス・アグリゲーション・ファイナンシャル・レポートのためのエージェントワークフローである。 このシステムは、所得計算、バランスシート、キャッシュフローに統一された標準オントロジーを構築し、レポートをファイリング取得、抽出、標準マッピング、異常ロギングを含む監査可能なステージに分解する。 フリーフォームジェネレータとしてLLMを使用する代わりに、FinReportingは、明示的な決定規則と根拠に基づく制約付き検証としてそれらをデプロイする。 このシステムは、米国、日本、中国の年次申請に基づいて評価され、異種報告体制下での一貫性と信頼性を向上させる。 我々は、市場横断検査と現地財務文書の構造化輸出を支援するインタラクティブなデモをリリースする。 私たちのデモはhttps://huggingface.co/spaces/BoomQ/FinReporting-Demoで公開されています。 私たちのシステムを説明するビデオはhttps://www.youtube.com/watch? v=f65jdEL31Kk

関連論文リスト

• IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation [49.796717294455796]
  経済的なモチベーションのある逸脱を検出するための実践的な監査フレームワークIMMACULATEを提案する。 IMMACULATEは、検証可能な計算を用いて少数のリクエストを選択的に監査し、暗号オーバーヘッドを償却しながら強力な検出保証を達成する。
  論文  参考訳（メタデータ） (2026-02-26T07:21:02Z)
• Evaluating LLMs in Finance Requires Explicit Bias Consideration [88.38155218924999]
  ファイナンス固有のバイアスは、パフォーマンスを低下させ、バックテストを汚染し、報告された結果をデプロイメントのクレームに役に立たないものにする。 一つのバイアスが28%以上の研究で議論されることはない。 本稿では,バイアス診断と将来のシステム設計のための最小限の要件を満たす構造的妥当性フレームワークと評価チェックリストを提案する。
  論文  参考訳（メタデータ） (2026-02-15T17:02:01Z)
• Audit Trails for Accountability in Large Language Models [3.750249890675081]
  大規模言語モデル (LLMs) は、医療、金融、雇用、公共サービス全般にわたる連続的な決定に、ますます組み込まれている。 継続的説明責任のための社会技術的メカニズムとして監査証跡を提案する。 監査証跡は、ライフサイクルイベントや意思決定の時系列的、曖昧で、コンテキストに富んだ台帳である。
  論文  参考訳（メタデータ） (2026-01-28T16:04:33Z)
• Auditing Pay-Per-Token in Large Language Models [11.795056270534287]
  トークンの誤レポートを検出するため,マーチンゲール理論に基づく監査フレームワークを開発した。 当社のフレームワークは,プロバイダの(ミス-)レポートポリシに関わらず,トークンの誤レポートを常に検出することが保証されています。
  論文  参考訳（メタデータ） (2025-10-05T17:47:16Z)
• Fin-ExBERT: User Intent based Text Extraction in Financial Context using Graph-Augmented BERT and trainable Plugin [0.0]
  Fin-ExBERTは、アノテーション付き金融サービスコールからユーザ意図関連文を抽出する軽量フレームワークである。 我々は,下流の監査や質問応答に適した解釈可能な出力で,実世界の書き起こしに対して高い精度とF1性能を示す。
  論文  参考訳（メタデータ） (2025-09-27T11:20:07Z)
• FinTagging: Benchmarking LLMs for Extracting and Structuring Financial Information [47.37027539828975]
  FinTaggingは構造認識とフルスコープのための最初の包括的なベンチマークである。 タグ付け 数値識別用FinNIは、数値エンティティとそのタイプを抽出する。 財務報告 概念リンクのためのFinCLは、抽出された各実体を米国の完全な分類学における対応する概念にマッピングする。
  論文  参考訳（メタデータ） (2025-05-27T02:55:53Z)
• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
  LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。 ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。 我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。 我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)

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。