論文の概要: PolicyGuard: From Organizational Policies to Neuro-SymbolicCompliance Review Engines
- arxiv url: http://arxiv.org/abs/2606.32004v1
- Date: Tue, 30 Jun 2026 17:37:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.329945
- Title: PolicyGuard: From Organizational Policies to Neuro-SymbolicCompliance Review Engines
- Title（参考訳）: PolicyGuard: 組織政策からNeuro-Symbolic Complianceエンジンへ
- Abstract要約: PolicyGuardは、ポリシーに基づく文書コンプライアンスレビューのためのニューロシンボリックなフレームワークである。
組織政策ガイダンスを、型付き論理ルールと原子レベルの抽出質問からなる実行可能なレビューエンジンに変換する。
- 参考スコア（独自算出の注目度）: 5.18270310844006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Policy-grounded document review requires determining whether a target document complies with organization-specific policies, guidelines, or playbooks. While large language models can assist with policy interpretation and document analysis, end-to-end prompting leaves the applied policy logic implicit, making compliance decisions difficult to inspect, update, and test. We present PolicyGuard, a neuro-symbolic framework for policy-grounded document compliance review. PolicyGuard converts organizational policy guidance into an executable review engine consisting of typed relational logic rules and atom-level extraction questions. During review, LLMs answer these local questions using retrieved document evidence, and a symbolic evaluator applies the formal rules to detect non-compliance. We instantiate and evaluate PolicyGuard on company-specific NDA compliance review, where contract clauses must be checked against organization-specific negotiation policies. By separating policy formalization, local document interpretation, and symbolic compliance evaluation, PolicyGuard makes document review more explicit, maintainable, and systematically testable.
- Abstract（参考訳）: ポリシーに基づくドキュメントレビューでは、対象のドキュメントが組織固有のポリシー、ガイドライン、あるいはプレイブックに準拠しているかどうかを判断する必要がある。
大きな言語モデルは、ポリシーの解釈とドキュメント分析を補助するが、エンドツーエンドのプロンプトは、適用されたポリシーロジックを暗黙的に残し、コンプライアンスの決定を検査、更新、テストすることが難しくする。
本稿では,ポリシーを基礎とした文書コンプライアンスレビューのためのニューロシンボリックフレームワークであるPolicyGuardを紹介する。
PolicyGuardは、組織ポリシーガイダンスを、型付きリレーショナルロジックルールと原子レベルの抽出質問からなる実行可能なレビューエンジンに変換する。
レビュー中、LLMは検索した文書証拠を使ってこれらのローカルな質問に回答し、記号的評価器は形式的な規則を適用して非準拠を検出する。
企業固有のNDAコンプライアンス・レビューにおいて、契約条項を組織固有の交渉方針に対して確認し、評価する。
PolicyGuardは、ポリシーの形式化、ローカル文書解釈、およびシンボリックコンプライアンス評価を分離することによって、文書レビューをより明確で、保守可能で、体系的にテスト可能である。
関連論文リスト
- PolicyMem: Geometric Policy Memory for LLM Governance [72.04962480384322]
我々は、自然言語ポリシーを再利用可能な幾何学的メモリオブジェクトとして外部化する幾何学的ポリシーメモリであるPhysicalMemを紹介する。
メモリライターは、自然言語ポリシーをポリシーメモリスロットにコンパイルし、クエリ応答ペアはプロジェクションエネルギーを介してポリシーメモリを読み取る。
得られた政策証拠プロファイルは、安全判断を直接仲介し、政策帰属および事後検証のために再利用される。
論文 参考訳（メタデータ） (2026-09-12T06:07:43Z) - Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。
RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
論文 参考訳（メタデータ） (2026-05-28T10:38:38Z) - An Automated Framework for Cybersecurity Policy Compliance Assessment Against Security Control Standards [0.25489046505746704]
PROPARAGは、セキュリティコントロールに対する組織的サイバーセキュリティポリシーを自律的に評価するための監査支援アプローチである。
それぞれのコントロールに対して、アプローチは関連するポリシエビデンスを取得し、カバレッジを評価し、欠落した要素を特定し、サポートされた説明とレコメンデーションを生成する。
論文 参考訳（メタデータ） (2026-05-08T09:45:25Z) - PolicyBank: Evolving Policy Understanding for LLM Agents [51.86716874651299]
PolicyBankは構造化されたツールレベルの政策洞察を維持し、それらを反復的に洗練する。
PolicyBankは、人間の神託に対するギャップの最大82%を閉じている。
論文 参考訳（メタデータ） (2026-04-16T20:29:30Z) - Verification of Robust Properties for Access Control Policies [51.736723807086385]
既存のアクセス制御ポリシーの検証方法は、検証が進む前に、ポリシーを完全かつ完全に決定する必要がある。
本稿では,政策構造がどのような決定を下すか,どのような決定を下すか,あるいはその後の拡張に拘わらず,その決定を行うかという課題について,ロバストなプロパティ検証を導入する。
可能なすべてのポリシー拡張を普遍的に定量化しているにもかかわらず、判断は二階述語論理プログラミング言語における探索の証明に還元されることを示す。
論文 参考訳（メタデータ） (2026-03-13T17:14:38Z) - Executable Governance for AI: Translating Policies into Rules Using LLMs [1.388831902854619]
Policy-to-Tests(P2T)は、自然ポリシー文書を正規化された機械可読ルールに変換するフレームワークである。
フレームワークを単一のポリシーを超えてテストするために、一般的なフレームワーク、セクターガイダンス、エンタープライズ標準に適用します。
これらのAI生成ルールは、スパンレベルとルールレベルのメトリクスに関する強力な人間のベースラインと密接に一致し、ゴールドセットに関するロバストなアノテータ間の合意がある。
論文 参考訳（メタデータ） (2025-12-04T03:11:54Z) - 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) - Scaling Policy Compliance Assessment in Language Models with Policy Reasoning Traces [12.671657542087624]
ポリシー推論トレース(英: Policy Reasoning Traces、PRT)は、LLMのポリシーコンプライアンスアセスメント能力を改善するための推論ブリッジとして機能する、特殊化された推論チェーンの一形態である。
実験により, PRTを推論時間とトレーニング時間の両方のシナリオに使用することにより, オープンウェイトモデルと商用モデルの性能が著しく向上することが示された。
論文 参考訳（メタデータ） (2025-09-27T13:10:21Z) - Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。
提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。
本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
論文 参考訳（メタデータ） (2025-01-20T08:40:15Z) - 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) - An ASP Framework for the Refinement of Authorization and Obligation
Policies [0.0]
我々は、政策仕様のためのGerlfondとLoboのAOPL言語でエンコードできる権限と義務ポリシーに焦点を当てる。
本研究では、ある状態において実行される行為に対して、ポリシーに一貫性がない、不明確でない、曖昧な文を検知する枠組みを提案する。
論文 参考訳（メタデータ） (2023-05-22T16:23:11Z)
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。