論文の概要: CHARLIE: An On-Premise Multi-Agent Retrieval-Augmented Generation System for Evidential Reasoning in Forensic Science
- arxiv url: http://arxiv.org/abs/2607.05428v1
- Date: Wed, 01 Jul 2026 14:14:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.257545
- Title: CHARLIE: An On-Premise Multi-Agent Retrieval-Augmented Generation System for Evidential Reasoning in Forensic Science
- Title（参考訳）: CHARLIE: 法科学における証拠推論のためのオンプレミスマルチエージェント検索拡張生成システム
- Abstract要約: Charlieは、デジタル法科学環境で構造化された明細処理のための、オンプレミスのマルチエージェント検索・拡張生成システムである。
本稿では,従来のRAGからエージェントベースのオーケストレーションへの移行を含むシステムアーキテクチャについて述べる。
ケーススタディでは、Charlieはスケーラブルなマルチドキュメントデータ抽出を可能にし、縦方向の法医学的インテリジェンス生成をサポートする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Charlie, an on-premise multi-agent Retrieval-Augmented Generation (RAG) system for structured evidential processing in digital forensic environments. Contemporary forensic workflows must handle large volumes of heterogeneous and unstructured documents under strict requirements of traceability, confidentiality, and legal compliance. Charlie addresses this challenge through a controlled agent architecture that combines local retrieval, task decomposition, structured memory, and verification mechanisms. Unlike cloud-based systems, it operates entirely within institutional infrastructure, preserving data sovereignty and evidential integrity. We describe the systems architecture, including its transition from classical RAG to agent-based orchestration, and demonstrate its application in real-world forensic scenarios. Case studies show that Charlie enables scalable multi-document data extraction and supports longitudinal forensic intelligence generation while maintaining traceability and auditability. Our results indicate that agent-orchestrated, on-premise RAG architectures can effectively support evidential workflows without compromising legal and institutional constraints. Charlie provides a practical and reproducible blueprint for deploying AI systems in high-stakes forensic environments. This manuscript is an archival version of a paper presented at the RELAF 2026 Workshop.
- Abstract（参考訳）: ディジタル法科学環境で構造化された明細処理のための,オンプレミスのマルチエージェント検索・拡張生成(RAG)システムであるCharlieを提案する。
現代の法医学的ワークフローは、トレーサビリティ、機密性、法的コンプライアンスの厳格な要件の下で、大量の異種および非構造化文書を扱う必要がある。
Charlie氏は、ローカル検索、タスク分解、構造化メモリ、検証メカニズムを組み合わせた制御されたエージェントアーキテクチャを通じて、この問題に対処する。
クラウドベースのシステムとは異なり、データ主権と明確な整合性を保ちながら、完全に機関のインフラ内で運用されている。
本稿では,従来のRAGからエージェントベースのオーケストレーションへの移行を含むシステムアーキテクチャについて述べる。
ケーススタディでは、Charlieはスケーラブルなマルチドキュメントデータ抽出を可能にし、トレーサビリティと監査性を維持しながら、縦方向の法医学的インテリジェンス生成をサポートする。
以上の結果から,法的制約や制度的制約を伴わずに,エージェント・オーケストレートのオンプレミスRAGアーキテクチャを効果的にサポートできることが示唆された。
Charlie氏は、高レベルの法医学環境でAIシステムをデプロイするための実用的で再現可能な青写真を提供している。
この写本はRELAF 2026 Workshopで発表された論文のアーカイブ版である。
関連論文リスト
- Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - DocOps: A Verifiable Benchmark for Autonomous Agents in Complex Document Operations [106.74348504930124]
本稿では,階層的な分類を基盤とした決定論的に検証可能な評価フレームワークであるDocOpsを紹介する。
DocOpsに基づいて,各種エージェントハーネスのクローズドおよびオープンソースモデルを体系的に評価する。
我々の研究は、グローバルな文書整合性を維持するためのエージェントの能力境界を明らかにし、堅牢で非破壊的なエージェントの将来の設計に光を当てている。
論文 参考訳（メタデータ） (2026-07-22T07:52:59Z) - DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding [63.257540233507626]
本稿では、構造化解析、局所化、推論のワークフローを実行するためにモデルを必要とするパラダイムを提案する。
ショートページトレーニングから超長文書への堅牢な一般化を示し、視覚的検索・拡張生成システムと自然に相乗効果を示す。
論文 参考訳（メタデータ） (2026-04-14T14:39:26Z) - Towards a Declarative Agentic Layer for Intelligent Agents in MCP-Based Server Ecosystems [0.0]
本稿では, 接地型エージェントシステムのためのモデル非依存アーキテクチャ層を提案する。
提案するレイヤであるDALIAは、実行可能な機能を形式化し、タスクを公開し、決定論的タスクグラフを構築する。
発見と計画と実行を明確に分離することで、アーキテクチャはエージェントの振る舞いを検証可能な運用空間に制約する。
論文 参考訳（メタデータ） (2026-01-24T12:15:49Z) - Constant-Size Cryptographic Evidence Structures for Regulated AI Workflows [0.0]
本稿では,規制環境におけるAIの正当性検証のための暗号証拠構造について紹介する。
それぞれのエビデンス項目は、(i)ワークフローイベントとコンフィギュレーションへの強いバインドを提供するように設計された、固定サイズの暗号化フィールドの固定サイズであり、(ii)一定のサイズのストレージとイベント毎の検証コストをサポートし、(iii)ハッシュチェーンとMerkleベースの監査をクリーンに構成する。
論文 参考訳（メタデータ） (2025-11-21T10:28:07Z) - Executable Knowledge Graphs for Replicating AI Research [65.41207324831583]
Executable Knowledge Graphs (xKG) は、科学文献から抽出された技術的洞察、コードスニペット、ドメイン固有の知識を自動的に統合するモジュラーでプラグイン可能な知識基盤である。
コードはhttps://github.com/zjunlp/xKGでリリースされる。
論文 参考訳（メタデータ） (2025-10-20T17:53:23Z) - PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency [50.712873697511206]
既存の作業は、多種多様なタスクへの適応性に欠けることが多く、AIエージェントメモリの構成的およびタスク指向の役割を見落としている。
PISAは,メモリを構築的かつ適応的なプロセスとして扱う,実践的でサイコにインスパイアされた統合メモリシステムである。
既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。
論文 参考訳（メタデータ） (2025-10-12T10:34:35Z) - Deterministic Legal Agents: A Canonical Primitive API for Auditable Reasoning over Temporal Knowledge Graphs [0.0]
本稿では,時間的知識グラフの推論のためのセキュアな実行層として設計された形式的プリミティブAPIを提案する。
私たちのフレームワークは、モノリシックなクエリエンジンの代わりに、標準的なプリミティブ、構成可能、監査可能なプリミティブのライブラリを提供します。
このアーキテクチャは不透明な検索を監査可能な推論に変換し、エージェントの内部プロセスをブラックボックスから決定論的プリミティブの検証可能なログに変換する。
論文 参考訳（メタデータ） (2025-10-07T15:04:23Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - An Ontology-Driven Graph RAG for Legal Norms: A Structural, Temporal, and Deterministic Approach [0.0]
標準、平文検索は、法の階層的、横行的、因果的構造に盲目である。
本稿では,法則の形式構造とダイアクロニックな性質を明示的にモデル化することにより,これらの制約を克服するためのオントロジー駆動型フレームワークSAT-Graph RAGを紹介する。
論文 参考訳（メタデータ） (2025-04-29T18:36:57Z)
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。