論文の概要: Natural-Language Policies to Executable Decisions: An Interpretable Large Language Model Framework

• arxiv url: http://arxiv.org/abs/2608.26124v1
• Date: Mon, 22 Jun 2026 02:53:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.352663
• Title: Natural-Language Policies to Executable Decisions: An Interpretable Large Language Model Framework
• Title（参考訳）: Natural-Language Policies to Executable Decisions: an Interpretable Large Language Model Framework
• Abstract要約: 市営の観光企業で展開され、6ヶ月で3,960件の注文を処理した。 このシステムは6ヶ月で3,960件の注文を処理し、注文管理チームを15～20件から3件に減らし、注文毎の処理時間を10分から2分に短縮した。
• 参考スコア（独自算出の注目度）: 27.56203393998312
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pricing automation in large-scale tourism is challenging because travel orders are highly unstructured, while pricing policies are complex, rapidly evolving, and inherently open-ended. Traditional rule engines are brittle and costly to maintain, whereas unconstrained LLM agents lack the reliability and auditability required for financial decisions. We present a production-grade LLM-powered pricing system with a strict decision boundary: LLMs perform structured extraction and bounded policy/path selection, while all numeric pricing, including total-price computation, is executed deterministically. Policies are compiled into interpretable condition trees, enabling open-ended support for new clauses and evolving rules without code changes, while exposing auditable artifacts for human-in-the-loop control. Periodic fine-tuning on logged traces further improves tree induction and path matching. Deployed at a municipal state-owned tourism enterprise across 7 scenic sites and 12 business categories with 1,500+ operators and 1,000+ active policies, the system processed 3,960 orders in six months, reduced the order management team from 15-20 to 3, and cut per-order handling time from 10 minutes to <2 minutes.
• Abstract（参考訳）: 大規模観光における価格の自動化は、旅行注文が高度に非構造化されているのに対して、価格政策は複雑で、急速に進化し、本質的にはオープンエンドであるため、困難である。 従来のルールエンジンは不安定でメンテナンスに費用がかかるが、制約のないLLMエージェントは財務上の決定に必要な信頼性と監査性に欠ける。 LLMは構造化された抽出と有界ポリシー/パス選択を行い、全価格計算を含む全ての数値価格は決定的に実行される。 ポリシーは解釈可能な条件ツリーにコンパイルされ、新しい節のオープンなサポートとコード変更なしにルールを進化させると同時に、人間のループ制御のための監査可能なアーティファクトを公開する。 ログされたトレースの定期的な微調整は、さらにツリー誘導とパスマッチングを改善している。 7か所の観光名所、1500人以上の事業者、1000人以上の積極的政策を含む12の事業カテゴリーで展開され、6ヶ月で3,960件の注文を処理し、注文管理チームを15～20人から3人に減らし、注文処理時間を10分から2分に短縮した。

関連論文リスト

• SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies [61.941546372624686]
  既存のプロトコルはタスクのセマンティクスを廃止し、手作りの報酬と制御が検証したものから逸脱する振る舞いを残している。 本稿では,SUN (Semantically UNified Programs) を導入し,幾何関係と接触関係が一度定義され,整列したモデル予測制御にコンパイルされる型付き実行プログラムについて述べる。 我々のシステムであるKuafuは、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCによる画面表示を実現し、ステージ条件付きポリシーのトレーニング中にセマンティクスを保持する。
  論文  参考訳（メタデータ） (2026-08-31T17:59:16Z)
• E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation [54.50499240166176]
  E-Commerce Benchは、マルチラウンドのネゴシエーションと動的イベントを1年間のビジネス運用に統合する、最初のオープンソースベンチマークです。 年末の資産を含む7次元にわたる18のフロンティアモデルを評価し,1つのモデルが支配的でないことを発見した。
  論文  参考訳（メタデータ） (2026-08-31T13:03:57Z)
• Constraint-Guided Enterprise Data Mapping with Large Language Models [0.25453602861405583]
  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。
  論文  参考訳（メタデータ） (2026-08-25T08:23:45Z)
• Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy [0.00559762074594338]
  商品の変種間の一貫性のない価格設定は、顧客価値の認識を歪め、販売を共食いさせる。 本稿では,"Lines and Ladders"の価格設定の自動化を目的とした,コンテキスト対応マルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-13T00:22:22Z)
• SeqRoute: Global Budget-Aware Sequential LLM Routing via Offline Reinforcement Learning [2.6853734738584047]
  SeqRouteは、有限水平マルコフ決定プロセスとしてマルチターンルーティングを定式化するフレームワークである。 セッションの後半で、ハイテイクターンのリソースを戦略的に保存するために、遅れた満足度を学習する。 品質を維持したり改善したりしながら運用コストを6.0-73.5%削減し、倒産率を1%以下に抑える。
  論文  参考訳（メタデータ） (2026-05-25T04:52:10Z)
• TriFlow: A Progressive Multi-Agent Framework for Intelligent Trip Planning [2.374752841069747]
  現実の旅行計画では、厳密な空間的、時間的、予算的な制約の下で、オープンエンドのユーザリクエストを実行可能なイテレーションに変換する必要があります。 既存のLSMベースのエージェントは、制約満足度、ツール調整、効率に苦しむ。 構造化推論と言語ベースの柔軟性を統一する,プログレッシブなマルチエージェントフレームワークであるTriFlowを提案する。
  論文  参考訳（メタデータ） (2025-12-12T04:27:22Z)
• PricingLogic: Evaluating LLMs Reasoning on Complex Tourism Pricing Tasks [28.577623054100616]
  PricingLogicは、42の現実世界の価格ポリシーから派生した予約要求に基づく300の自然言語質問で構成されている。 LLMの行の評価は、ルール解釈と算術的推論の体系的な失敗を実証し、難易度層における急激な性能低下を示す。
  論文  参考訳（メタデータ） (2025-10-14T11:42:15Z)
• Attribute Controlled Fine-tuning for Large Language Models: A Case Study on Detoxification [76.14641982122696]
  本稿では,属性制御付き大規模言語モデル(LLM)の制約学習スキーマを提案する。 提案手法は, ベンチマーク上での競合性能と毒性検出タスクを達成しながら, 不適切な応答を少ないLCMに導出することを示す。
  論文  参考訳（メタデータ） (2024-10-07T23:38:58Z)
• Control Large Language Models via Divide and Conquer [94.48784966256463]
  本稿では,Lexically Constrained Generation(LCG)に着目し,大規模言語モデル(LLM)のプロンプトベース制御による制御可能生成について検討する。 我々は,レキシカル制約を満たすためのLLMの性能を,プロンプトベース制御により評価し,下流アプリケーションでの有効性を検証した。
  論文  参考訳（メタデータ） (2024-10-06T21:20:06Z)
• Efficient Policy Iteration for Robust Markov Decision Processes via Regularization [49.05403412954533]
  ロバストな意思決定プロセス(MDP)は、システムのダイナミクスが変化している、あるいは部分的にしか知られていない決定問題をモデル化するためのフレームワークを提供する。 最近の研究は、長方形長方形の$L_p$頑健なMDPと正規化されたMDPの等価性を確立し、標準MDPと同じレベルの効率を享受する規則化されたポリシー反復スキームを導出した。 本研究では、政策改善のステップに焦点をあて、欲求政策と最適なロバストなベルマン作用素のための具体的な形式を導出する。
  論文  参考訳（メタデータ） (2022-05-28T04:05:20Z)

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。