Fugu-MT 論文翻訳(概要): LAVA: Logic-Aware Validation and Augmentation Framework for Large-Scale Financial Document Auditing

論文の概要: LAVA: Logic-Aware Validation and Augmentation Framework for Large-Scale Financial Document Auditing

arxiv url: http://arxiv.org/abs/2608.16763v1
Date: Mon, 17 Aug 2026 16:10:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 19:59:03.790512
Title: LAVA: Logic-Aware Validation and Augmentation Framework for Large-Scale Financial Document Auditing
Title（参考訳）: LAVA:大規模財務文書監査のための論理的検証と拡張フレームワーク
Abstract要約: LAVAはモジュール化されたバックボーンに依存しないパイプラインで、マルチモーダルな言語モデル上に構築されている。ドキュメントルール検索、レイアウト保存情報抽出、補助メタデータの強化、監査可能なシンボル/パラメータ検証を統合している。堅牢なルールグラウンディング、きめ細かいエラー属性、一貫性のあるトレース可能なエンドツーエンド実行機能をサポートする。
参考スコア（独自算出の注目度）: 8.198653897327864
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Financial document validation in production, such as payroll auditing, tax compliance, and loan underwriting, demands exceptional accuracy, consistency, and reproducibility under strict enterprise constraints. In practice, documents arrive with heterogeneous layouts and formats, semantically rich and context-dependent content, and embedded business rules that current pipelines struggle to process reliably. We introduce LAVA (Logic-Aware Validation and Augmentation), a modular, backbone-agnostic pipeline built on multimodal large language models, that integrates a four-stage design: document-rule retrieval, layout-preserving information extraction, auxiliary metadata enrichment, and auditable symbolic/arithmetic verification. LAVA supports robust rule grounding, fine-grained error attribution, and consistent, traceable end-to-end execution, capabilities essential for high-stakes deployment. Evaluated on a large real-world benchmark with diverse financial documents and dozens of expert-curated validation rules, LAVA outperforms baselines in hallucination control and edge-case handling while maintaining efficient token usage, demonstrating practicality for high-volume, time-critical validation.
Abstract（参考訳）: 給与監査、税順守、ローン引受などの生産における財務書類の検証は、厳格な企業制約の下では例外的な正確性、一貫性、再現性を要求する。実際には、ドキュメントには異質なレイアウトとフォーマット、セマンティックにリッチでコンテキストに依存したコンテンツ、そして現在のパイプラインが確実に処理するのに苦労している組み込みビジネスルールが含まれています。 LAVA(Logic-Aware Validation and Augmentation)は,マルチモーダルな大規模言語モデル上に構築されたモジュール型のバックボーンに依存しないパイプラインで,文書ルール検索,レイアウト保存情報抽出,補助メタデータの強化,監査可能な記号/パラメータ検証という4段階の設計を統合している。 LAVAは、堅牢なルールグラウンディング、きめ細かいエラー属性、一貫性のある、トレース可能なエンドツーエンド実行、高レベルのデプロイメントに不可欠な機能をサポートする。 LAVAは、さまざまな財務文書と数十の専門家による検証ルールを備えた大規模な実世界のベンチマークに基づいて評価され、効率的なトークンの使用を維持しながら、幻覚制御とエッジケース処理のベースラインを上回り、高ボリュームで時間クリティカルな検証の実践性を実証している。

関連論文リスト

DECODEM: Data Extraction from Corporate Organizational Documents via Enhanced Methods [2.0789144738685956]
本稿では,組織文書からコーポレートガバナンス変数の自動抽出を評価するためのベンチマークデータセットであるDECODEMを紹介する。ベンチマークでは、ランダムにサンプル化した企業憲章と、実証的な作業でよく研究されるさまざまなガバナンス条項をカバーする高品質な人事アノテーションが組み合わされた。その結果, 自動抽出は多くの条件に対して高い精度で実現可能であり, アプローチを横断する上界付近では中央値の性能が向上することが示唆された。
論文参考訳（メタデータ） (2026-07-17T11:48:31Z)
Retrieval-Augmented Reasoning for Chartered Accountancy [0.08749675983608168]
本稿では,パラメータ効率の高いRetrieval-Augmented GenerationフレームワークとしてCA-ThinkFlowを提案する。このフレームワークはパラメータの処理において高い効率と強みを示すが、本質的な推論能力は複雑な規則文を処理できない。
論文参考訳（メタデータ） (2026-04-30T21:50:49Z)
Trust but Verify: Introducing DAVinCI -- A Framework for Dual Attribution and Verification in Claim Inference for Language Models [53.279391576560755]
大規模言語モデル(LLM)は、広範囲のNLPタスクにおいて顕著な流速と汎用性を示してきたが、実際的な不正確さと制限が伴う傾向にある。これは、信頼と妥当性が最優先される医療、法律、科学コミュニケーションといった、高リスク領域に重大なリスクをもたらす。 LLM出力の事実的信頼性と解釈可能性を高めるために設計されたDAVinCI - Dual Attribution and Verificationフレームワークを紹介する。
論文参考訳（メタデータ） (2026-04-23T01:37:50Z)
Fast and Faithful: Real-Time Verification for Long-Document Retrieval-Augmented Generation Systems [9.927850680621038]
本稿では,実運用RAGパイプラインに統合されたリアルタイム検証コンポーネントの設計について述べる。このシステムは文書を最大32Kのトークンで処理し、応答時間と検証カバレッジのバランスをとるために適応的な推論戦略を採用する。
論文参考訳（メタデータ） (2026-03-04T12:53:21Z)
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)
Towards Comprehensive Stage-wise Benchmarking of Large Language Models in Fact-Checking [64.97768177044355]
大規模言語モデル(LLM)は、現実のファクトチェックシステムにますます多くデプロイされている。 FactArenaは、完全に自動化されたアリーナスタイルの評価フレームワークである。本研究では,静的クレーム検証精度とエンドツーエンドのファクトチェック能力の相違点を明らかにした。
論文参考訳（メタデータ） (2026-01-06T02:51:56Z)
Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。 Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文参考訳（メタデータ） (2025-10-17T02:33:16Z)
Large Language Model-Driven Code Compliance Checking in Building Information Modeling [3.2648052741820166]
本研究では,ビルディングインフォメーション・モデリングにおける手動コードコンプライアンスチェックの時間的およびエラーの原因となる特性について考察する。この重要なプロセスを半自動化するために、LLM(Large Language Model)駆動のアプローチを導入している。開発システムは、GPT、Claude、Gemini、LlamaなどのLLMとRevitソフトウェアを統合し、ビルドコードを解釈し、Pythonスクリプトを生成し、半自動コンプライアンスチェックを実行する。
論文参考訳（メタデータ） (2025-06-25T15:50:34Z)
An Efficient Deep Learning-Based Approach to Automating Invoice Document Validation [0.0]
本稿では,文書レイアウト解析とオブジェクト検出技術を用いて,機械による請求書の検証を自動化することを提案する。本稿では,手動で注釈付き実世界の請求書と複数基準検証プロセスからなる新しいデータセットを提案する。
論文参考訳（メタデータ） (2025-03-15T21:33:00Z)
OpenFactCheck: Building, Benchmarking Customized Fact-Checking Systems and Evaluating the Factuality of Claims and LLMs [59.836774258359945]
OpenFactCheckは、カスタマイズされたファクトチェックシステムを構築するためのフレームワークである。ユーザーは自動的にファクトチェッカーをカスタマイズし、文書やクレームの事実的正当性を検証できる。 CheckerEVALは、人間の注釈付きデータセットを使用して、自動ファクトチェッカーの検証結果の信頼性を高めるソリューションである。
論文参考訳（メタデータ） (2024-05-09T07:15:19Z)
Factcheck-Bench: Fine-Grained Evaluation Benchmark for Automatic Fact-checkers [121.53749383203792]
本稿では,大規模言語モデル (LLM) 生成応答の事実性に注釈を付けるための総合的なエンドツーエンドソリューションを提案する。オープンドメインの文書レベルの事実性ベンチマークを,クレーム,文,文書の3段階の粒度で構築する。予備実験によると、FacTool、FactScore、Perplexityは虚偽の主張を識別するのに苦労している。
論文参考訳（メタデータ） (2023-11-15T14:41:57Z)

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。