論文の概要: CTRAG: An In-Context Retrieval-based Framework for Automated Compliance Checking using LLMs

• arxiv url: http://arxiv.org/abs/2608.02472v1
• Date: Mon, 03 Aug 2026 16:40:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.71133
• Title: CTRAG: An In-Context Retrieval-based Framework for Automated Compliance Checking using LLMs
• Title（参考訳）: CTRAG: LLMを用いたコンプライアンスチェック自動化のためのコンテキスト内検索ベースのフレームワーク
• Abstract要約: 本稿では,自動コンプライアンスチェック用に設計された新しいRAGパイプラインであるCTRAGを提案する。 CTRAGは、サードパーティサービスによる間接コンプライアンスであっても、極めて正確で、文書インフォームドコンプライアンスの検証を実現している。 CTRAGはF1スコア78%、リコール85%を最終配置で達成している。
• 参考スコア（独自算出の注目度）: 3.4983716329137344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trust is fundamental in modern regulatory ecosystems, and compliance checking plays a critical role in fostering that trust. Regulatory compliance verification is essential for businesses operating in highly controlled environments, as it ensures alignment with sector-specific guidelines across domains such as financial reporting, data privacy, and cybersecurity. Manual compliance testing, however, is often time-intensive and prone to inconsistencies, particularly when compliance depends indirectly on third-party services such as cloud providers, where vendors rely on external providers to meet regulatory standards. In this paper, we present CTRAG, a novel Retrieval-Augmented Generation (RAG) pipeline designed for automated compliance checking. CTRAG employs advanced strategies, including adaptive chunking, dynamic retrieval configurations, and in-context learning, to improve the precision and relevance of compliance assessments. By extracting control questions from regulatory texts and cross-referencing them with unstructured company documentation, CTRAG achieves highly accurate, document-informed compliance verification, even in cases of indirect compliance through third-party services. Empirical evaluations demonstrate significant improvements, with CTRAG achieving an F1-score of 78% and a recall of 85% in the final deployed configuration, ensuring minimal missed non-compliance cases while reducing manual reviewer effort in a real-world deployment. To validate CTRAG value, we developed and deployed a POC within a Big Four professional services firm, applying it to real-world cases and cross-checking results against manual compliance reports. These findings highlight CTRAG potential to streamline compliance workflows, mitigate risks, and enhance regulatory trust in complex, high-stakes environments.
• Abstract（参考訳）: 信頼は現代の規制エコシステムにおいて基本的であり、コンプライアンスチェックはその信頼を育む上で重要な役割を果たす。 金融報告、データプライバシ、サイバーセキュリティといった分野にまたがるセクター固有のガイドラインと整合性を確保するため、高度に制御された環境で運用する企業にとって、規制コンプライアンスの検証は不可欠である。 しかし、手動のコンプライアンステストは時間集約的であり、特にコンプライアンスが規制基準を満たすために外部プロバイダに依存しているクラウドプロバイダなどのサードパーティサービスに間接的に依存する場合は、不整合が生じることが多い。 本稿では、自動コンプライアンスチェック用に設計された新しいレトリーバル拡張生成(RAG)パイプラインであるCTRAGを提案する。 CTRAGは、適応的なチャンキング、動的検索構成、コンテキスト内学習を含む高度な戦略を採用し、コンプライアンスアセスメントの正確性と関連性を改善する。 規制文書から制御質問を抽出し、構造化されていない企業文書と相互参照することにより、サードパーティサービスによる間接的コンプライアンスであっても、CTRAGは極めて正確で文書インフォームによるコンプライアンス検証を実現する。 CTRAGは78%のF1スコアと85%のリコールを実現し、実際のデプロイメントにおける手動レビューの労力を削減しつつ、最小限の非準拠ケースを確保した。 CTRAGの価値を検証するため、私たちはBig Fourのプロフェッショナルサービス会社でPOCを開発し、実際のケースに適用し、手動のコンプライアンスレポートに対してクロスチェックした。 これらの知見は、CTRAGがコンプライアンスワークフローを効率化し、リスクを軽減し、複雑で高リスクな環境における規制の信頼を高める可能性を浮き彫りにしている。

関連論文リスト

• Grounded Normative Rule Generation with Structured Search [47.28595196084396]
  基底ノルム規則合成(GNRS)として問題を定式化する。 GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。 GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
  論文  参考訳（メタデータ） (2026-08-23T05:43:42Z)
• ARCHER: Agentic Rule and Compliance Harness for Executable Regulations [0.11862655008303459]
  テスト駆動で決定的に編成されたマルチエージェントプログラム合成ハーネスであるARCHERを紹介する。 規制コードから監査可能な検証コードを生成し、透過的で適応性があり、スケーラブルなコンプライアンスチェックを可能にする。 当社のコスト精度分析では,自己ホスト型オープンウェイトモデルであるARCHERハーネスを用いることで,フロンティアAPIの精度が4分の1のコストで97.8%に達することが示されている。
  論文  参考訳（メタデータ） (2026-07-28T10:54:28Z)
• Framework Implementation Maturity in Blockchain-Based Third-Party Compliance Assessment [0.1749935196721634]
  本稿では,ブロックチェーンベースのサードパーティリスクアセスメント(TPRA)フレームワークを提案する。 本稿では, コンプライアンス制御が繰り返し評価サイクルで検証され, 管理され, 維持されるかどうかを評価するための評価指標と定性的成熟度モデルを紹介する。
  論文  参考訳（メタデータ） (2026-07-27T17:03:07Z)
• Time to REFLECT: Can We Trust LLM Judges for Evidence-based Research Agents? [61.49434544687523]
  本稿では,エージェント環境におけるきめ細かい故障検出を目的としたメタ評価ベンチマークREFLECTを紹介する。 REFLECTはプロセスレベルの障害モードと結果レベルの障害モードの詳細な分類を定義し、制御および局所的な介入を実行することでインスタンス化する。 私たちの実験では、最高のパフォーマンスモデルでさえ、推論、ツール使用、レポート品質の失敗に対して、全体的なアキュラシーを55%以下に達成しています。
  論文  参考訳（メタデータ） (2026-05-18T23:55:08Z)
• It Takes Two: Complementary Self-Distillation for Contextual Integrity in LLMs [73.46918128880786]
  タスク解決から情報抑制を分離する自己蒸留フレームワーク。 タスク解決から情報抑制を分離する自己蒸留フレームワーク。
  論文  参考訳（メタデータ） (2026-05-18T13:57:44Z)
• FERA: Uncertainty-Aware Federated Reasoning for Large Language Models [60.52562148874846]
  我々は、サーバがプライベートなデモンストレーションを行う異種クライアントと協調することで、多段階推論を改善するフェデレーション推論について研究する。 重要な課題は、クライアントの信頼性がクエリ依存であるのに対して、サーバはクライアントデータを検査して、どのコントリビューションが信頼できるかを判断できません。 本稿では,サーバクライアントの反復的コリファインメントに基づくトレーニングフリーフレームワークである Uncertainty-Aware Federated Reasoning (FERA) を提案する。
  論文  参考訳（メタデータ） (2026-05-11T07:04:51Z)
• Compliance as a Trust Metric [1.0264137858888513]
  本稿では,規制コンプライアンスを定量的かつダイナミックな信頼度として運用することで,この研究ギャップを埋める。 私たちのコントリビューションは、各違反の深刻度を、そのボリューム、時間、ブレッドス、臨界度など、複数の次元に沿って評価する定量的モデルです。 人工病院のデータセット上でACEを評価し,複雑なHIPAAおよびHIPAA違反を正確に検出できることを実証した。
  論文  参考訳（メタデータ） (2026-01-03T21:14:40Z)
• Judging by the Rules: Compliance-Aligned Framework for Modern Slavery Statement Monitoring [24.13989765643719]
  現代の奴隷制度は世界中で何百万人もの人々に影響を与えており、現代の奴隷制度法のような規制の枠組みでは、企業が詳細な開示を公表する必要がある。 これらのステートメントは曖昧で矛盾することが多く、手作業によるレビューの時間とスケールが難しくなる。 専門家の監視を維持しつつルールレベルのコンプライアンス検証にAIを活用する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-11T03:41:44Z)
• 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)
• 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)
• Trustworthy Artificial Intelligence and Process Mining: Challenges and Opportunities [0.8602553195689513]
  プロセスマイニングは、AIコンプライアンスプロセスの実行に事実に基づく可視性を得るために有用なフレームワークを提供することができることを示す。 AI規制コンプライアンスプロセスの不確実性を分析し、修正し、監視する自動化アプローチを提供する。
  論文  参考訳（メタデータ） (2021-10-06T12:50:47Z)

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。