論文の概要: Constraint-Guided Enterprise Data Mapping with Large Language Models
- arxiv url: http://arxiv.org/abs/2608.24218v1
- Date: Tue, 25 Aug 2026 08:23:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.868906
- Title: Constraint-Guided Enterprise Data Mapping with Large Language Models
- Title（参考訳）: 大規模言語モデルを用いた制約付きエンタープライズデータマッピング
- Abstract要約: i) メタデータmc = tau_c, delta_c>, (ii) カスケード緩和による制約制約付き候補生成により, 雑音下での空でない実現可能な集合を保証し, (iii) 有界な曖昧性を持つニューラルネットワークのランク付けを行う。
方法論的には、制約はポストホックのバリデータではなく仮説空間演算子として機能し、緩和の下で制御された劣化と、監査可能な人間の誘導可能な決定を可能にする。
- 参考スコア（独自算出の注目度）: 0.25453602861405583
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enterprise entity alignment must handle semi-structured records, implicit attributes, and unit or granularity mismatches. Manual matching is still common in practice, but does not scale as schemas and providers evolve. LLM-only matching improves semantic recall, yet can violate structural and physical invariants, producing fluent yet operationally invalid correspondences. We propose constraint-guided mapping (CGM), a neuro-symbolic method with three stages: (i) schema-grounded admissibility constraints with metadata mc = <tau_c, delta_c>, where tau_c denotes the constraint type and delta_c provides executable relation and normalization logic; (ii) constraint-restricted candidate generation with cascade relaxation to guarantee a nonempty feasible set under noise; and (iii) neural ranking with bounded LLM disambiguation restricted to that feasible set. Methodologically, constraints operate as hypothesis-space operators rather than post-hoc validators, enabling controlled degradation under relaxation and auditable, human-guidable decisions. On a controlled structural-decoy benchmark, hard admissibility shrinks the candidate space by ~480x without dropping the GT, and a layer-by-layer ablation shows this gate, not the LLM, is the decisive lift (F1 0.08 to 0.66). The benefit is model-independent and adds no extra inference cost: a small model with constraints matches a frontier LLM used without them at ~28x lower cost. The method, not a single tuned configuration, transfers across seven enterprise makes (macro F1 0.70), each under its own automatically discovered, expert-refinable constraints, and lowers expert effort by ~7x versus spreadsheet workflows. Public Valentine results add an external ranking sanity check and mark the boundary: constraints should be hard only where structural invariants are match-determining.
- Abstract（参考訳）: エンタープライズエンティティのアライメントは、半構造化されたレコード、暗黙の属性、ユニットまたは粒度のミスマッチを処理しなければなりません。
手動マッチングは、実際には依然として一般的だが、スキーマやプロバイダが進化するにつれてスケールしない。
LLMのみのマッチングはセマンティックリコールを改善するが、構造的および物理的不変性に反し、流動的で操作的に無効な対応を生成する。
制約誘導マッピング(CGM)は,3段階のニューロシンボリックな手法である。
(i) メタデータ mc = <tau_c, delta_c> によるスキーマ基底の許容制約。ただし、tau_cは制約型を表し、delta_cは実行可能な関係と正規化ロジックを提供する。
二 騒音下における空でない実現可能な集合を保証するためのカスケード緩和による制約制限付き候補生成
3) 有界LLM曖昧性を有するニューラルランキングは, その実現可能なセットに制限された。
方法論的には、制約はポストホックのバリデータではなく仮説空間演算子として機能し、緩和の下で制御された劣化と、監査可能な人間の誘導可能な決定を可能にする。
制御された構造デコイベンチマークでは、GTを落とさずに候補空間を約480x縮小させ、LDMではなくこのゲートが決定的なリフトであることを示す層間アブレーション(F1 0.08 から 0.66 )。
制約のある小さなモデルは、それなしで使われるフロンティアLSMと28倍のコストで一致します。
このメソッドは、単一のチューニングされた構成ではなく、7つのエンタープライズ間での転送(マクロF1 0.70)であり、それぞれが自動的に検出され、専門家が定義可能な制約の下で、約7倍の専門的な作業をスプレッドシートのワークフローと比較する。
パブリックバレンタインの結果は、外部のランキングの正当性チェックを追加し、境界をマークします。
関連論文リスト
- Large Language Models Can Follow Instructions, But Not Many at Once: Phase Transitions in Compositional Constraint Satisfaction [2.668746022268522]
大規模言語モデルは、複数の明示的な制約を同時に遵守する必要のある設定に、ますます多くデプロイされている。
個々の制約は巧妙に扱われるが、構成的構造はいまだに不十分である。
並列制約の数を体系的に変化させるベンチマークであるConstraint Saturation Evaluation (CSE)を導入する。
論文 参考訳（メタデータ） (2026-08-12T10:57:06Z) - Neuro-Symbolic Agents for Hallucination-Free Requirements Reuse [0.0]
本稿では,要求の再利用をモデル駆動型励磁プロセスとして再概念化する,ニューロシンボリックなマルチエージェントシステムを提案する。
本システムは,100%要件カバレッジと制約違反率を0.2%で達成する。
論文 参考訳（メタデータ） (2026-05-02T18:16:04Z) - Compact Constraint Encoding for LLM Code Generation: An Empirical Study of Token Economics and Constraint Compliance [0.0]
本研究では,コンパクトで構造化された制約ヘッダーが制約コンプライアンスを低下させることなく,トークンの迅速な消費を低減できるかどうかを検討する。
コンパクトヘッダーは、3ラウンドで複製された制約ポートトークンを約71%減らし、フルプロンプトトークンを25～30%減らした。
論文 参考訳（メタデータ） (2026-04-08T15:18:33Z) - CCTU: A Benchmark for Tool Use under Complex Constraints [66.87622847854337]
複雑な制約下での大規模言語モデル(LLM)を評価するためのベンチマークであるCCTUを紹介する。
ベンチマークは、さまざまなツール使用シナリオに対して、慎重にキュレートされ、挑戦的なテストケースが200から成っている。
ステップレベルの検証を行い、コンプライアンスを強制する実行可能な制約検証モジュールを開発する。
論文 参考訳（メタデータ） (2026-03-16T14:05:13Z) - Did You Forget What I Asked? Prospective Memory Failures in Large Language Models [0.0]
大規模な言語モデルは、必要なタスクを同時に実行する必要があるときに、フォーマット命令を満たさないことが多い。
制御パラダイムを用いて、認知心理学から先進記憶にインスパイアされたレンズを通して、この行動を研究する。
脆弱性は型に依存しやすく、50%まで低下する一方、回避制約は比較的堅牢である。
サリエンス強化フォーマット(明示的な命令フレーミングと後続のリマインダー)は、多くの設定で性能を90-100%に回復する。
論文 参考訳（メタデータ） (2026-03-07T05:58:19Z) - JANUS: Structured Bidirectional Generation for Guaranteed Constraints and Analytical Uncertainty [0.0]
JANUS(Joint Ancestral Network for Uncertainity and Synthesis)は、ベイズ決定木のDAGを用いて機能を統合するフレームワークである。
主な革新はReverse-Topological Back-fillingであり、因果グラフを通して制約を後方に伝播するアルゴリズムである。
Janusは最先端の忠実度(Detection Score 0.497)を実現し、不均衡なデータのモード崩壊を排除し、複雑なカラム間制約を正確に処理する。
論文 参考訳（メタデータ） (2026-03-04T05:36:11Z) - Programming over Thinking: Efficient and Robust Multi-Constraint Planning [54.77940831026738]
SCOPEは、クエリ固有の推論をジェネリックコード実行から切り離すフレームワークである。
SCOPEは、コストとレイテンシを下げながら最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-01-14T02:58:07Z) - Structured Personalization: Modeling Constraints as Matroids for Data-Minimal LLM Agents [0.25489046505746704]
実世界のパーソナライゼーションは構造的制約によって複雑である。
論理的依存関係(例えば、Aは事実Bを必要とする)、分類的クォータ(例えば、ほとんどの書き込みスタイルを選択する)、階層規則などである。
このような制約を形式的にモデル化する手法を提案する。
論文 参考訳（メタデータ） (2025-12-10T20:22:26Z) - Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning [52.03884701766989]
オフライン強化学習(RL)アルゴリズムは、通常、アクション選択に制約を課す。
本稿では,Bellmanターゲットにおける行動選択を,データセットアクションの近傍の結合に制限する新しい地区制約を提案する。
我々は,この制約を満たす目標動作を用いてQ学習を行うための,単純で効果的なアルゴリズムであるAdaptive Neighborhood-Constrained Q Learning(ANQ)を開発した。
論文 参考訳（メタデータ） (2025-11-04T13:42:05Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - Fast Controlled Generation from Language Models with Adaptive Weighted Rejection Sampling [90.86991492288487]
トークンの制約を評価するのは 違法にコストがかかる
LCDは文字列上のグローバル分布を歪め、ローカル情報のみに基づいてトークンをサンプリングすることができる。
我々のアプローチは最先端のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2025-04-07T18:30:18Z) - An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。
特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。
提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文 参考訳（メタデータ） (2020-06-18T20:09:53Z)
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。