論文の概要: GROUND: Reducing Hallucinations in LLM-Based Enterprise Analytics Through Governed Semantic Definitions

• arxiv url: http://arxiv.org/abs/2608.26157v1
• Date: Mon, 06 Jul 2026 20:04:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.368538
• Title: GROUND: Reducing Hallucinations in LLM-Based Enterprise Analytics Through Governed Semantic Definitions
• Title（参考訳）: GROUND: 統治的セマンティック定義によるLLMベースのエンタープライズ分析における幻覚の低減
• Abstract要約: 本稿では, 統一正規化定義に基づく GROUND, Governed Retrieval Over Unified Normalized Definitions を紹介する。 GROUNDは承認された定義を提供し、ユーザが管理するメトリクスとディメンションにバインドする。 実行前にスキーマ、メトリック、ジョイン、グレーン、フィルタ、セキュリティ、コストルールに対して生成sqlを検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Natural-language analytics over enterprise data warehouses is increasingly important, but production use is limited by hallucinated metrics, invalid joins, wrong grain, unsafe data access, and unsupported explanations. Existing text-to-SQL systems often ground generation in database schemas or retrieved documentation, while enterprise reporting also requires governed business semantics: approved metrics, dimensions, join paths, filters, and row-level security. This paper introduces GROUND, Governed Retrieval Over Unified Normalized Definitions, a framework that constrains LLM-generated analytics to a governed semantic layer. GROUND supplies approved definitions, binds user intent to governed metrics and dimensions, and validates generated SQL against schema, metric, join, grain, filter, security, and cost rules before execution. On violations, it retries or abstains. In a 100-question synthetic enterprise-reporting benchmark, GROUND is compared with direct schema-only text-to-SQL, schema-RAG, and semantic-only grounding under one shared model. GROUND is the only system free of measured hallucinations across all six evaluated categories, while ungoverned systems violate row-level security on many questions. A semantic-only condition with exact metric definitions but no access policy still leaks data, showing that governance cannot be replaced by metric fidelity alone. The findings are replicated on real U.S. NHTSA vehicle-safety data with independent hand-authored gold and tested on an adversarial set across four models from three providers. GROUND's enforced guarantees, especially filters and row-level security, hold with zero violations on every model, while judgment-dependent behaviors such as refusing undefined metrics remain fallible.
• Abstract（参考訳）: 企業データウェアハウスに対する自然言語分析はますます重要になっているが、生産利用は、幻覚的なメトリクス、無効な結合、誤った粒度、安全でないデータアクセス、サポートされていない説明によって制限されている。 既存のテキストからSQLシステムでは、データベーススキーマや検索されたドキュメントで生成されることが多いが、エンタープライズレポートでは、承認されたメトリクス、ディメンション、ジョインパス、フィルタ、行レベルのセキュリティといった、管理されたビジネスセマンティクスも要求される。 本稿では, LLM生成分析を支配的セマンティック層に制約するフレームワークであるGROUND, Governed Retrieval Over Unified Normalized Definitionsを紹介する。 GROUNDは承認された定義を提供し、管理されたメトリクスとディメンションにユーザ意図をバインドし、実行前にスキーマ、メトリック、ジョイン、グレーン、フィルタ、セキュリティ、コストルールに対して生成されたSQLを検証する。 違反の場合は、再審または棄権する。 100件のエンタープライズレポートベンチマークでは、GROUNDは、スキーマのみのテキスト-to-SQL、スキーマ-RAG、セマンティックのみのグラウンドを1つの共有モデルの下で比較する。 GROUNDは6つの評価カテゴリーすべてで測定された幻覚のない唯一のシステムであり、未処理のシステムは多くの質問に対して行レベルのセキュリティに違反する。 正確なメートル法の定義があるが、アクセスポリシーがないセマンティックオンリーの条件は、依然としてデータを漏洩させ、ガバナンスがメートル法のみに取って代わることができないことを示す。 この結果は、米国NHTSAの車両安全データに、独立した手書き金で再現され、3つのプロバイダから4つのモデルにまたがる敵のセットでテストされる。 GROUNDの強制された保証、特にフィルタと行レベルのセキュリティは、すべてのモデルにゼロの違反を負う。

関連論文リスト

• Differentially Private Semantic Plans for Aggregate Insight Generation [4.832750949021042]
  セマンティックな概念に対する集計と要約のための信頼できるキュレーターフレームワークであるtextttDP-SPIN を紹介する。 CFPBの苦情記事やAmazon All Beautyのレビュー,Yelpのレストランレビューにおいて,textttDP-SPINを記録レベルのプライバシで評価した。
  論文  参考訳（メタデータ） (2026-09-14T19:39:26Z)
• 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)
• 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)
• Agentic Permissions Policy Algebra for Taint Confinement in LLM Agents [0.0]
  従来のテナント追跡は、未確認データを読み取る際にエージェントのコンテキストを永久に汚染する。 本稿では,エンジン管理型コンテキスト分岐によるユーザビリティボトルネックを解決するためのIFCフレームワークであるAPPAを提案する。 我々は4つのモデルにまたがるマルチターンツールチェインベンチマークでAPPAを評価した。
  論文  参考訳（メタデータ） (2026-07-27T16:19:45Z)
• From Attack Simulation to SIEM Rule: Deterministic Detection-as-Code Synthesis with Probe-Level Traceability [51.56484100374058]
  セキュリティチームは、自身のシステムに対する攻撃をシミュレートして、監視が真の侵入者を捕まえるかどうかをチェックする。 人間はそのギャップを手でブリッジし、それぞれの発見を読み、対応するシグマルールを書きます。 ロックされたコーパスからプローブが引き出されると,この変換が部分的に自動化されることを示す。
  論文  参考訳（メタデータ） (2026-06-03T14:26:25Z)
• An Organization-Scoped LLM Agent Runtime Architecture for Regulated Cybersecurity Operations [0.3013679260442808]
  規制されたサイバーセキュリティは、組織レベルの範囲を強制するランタイム基板を欠いている。 最近の大規模言語モデル(LLM)エージェントシステムは、孤立したサイバーセキュリティタスクに対して強い結果を報告している。 本稿では,金融サイバーセキュリティのための組織スコープ型エージェントランタイムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-05-28T21:51:38Z)
• Semantic Risk Scoring of Aggregated Metrics: An AI-Driven Approach for Healthcare Data Governance [0.0]
  大規模医療機関は通常、複数のビジネスインテリジェンス(BI)チームを運営している。 HIPAA、FERPA、IRBの制限のため、これらのチームは分析に必要な患者レベルのデータを共有するという課題に直面している。 事前計算されたプライバシに準拠した要約である計量集計表が提案されている。
  論文  参考訳（メタデータ） (2026-03-09T03:36:11Z)
• Semantic Integrity Constraints: Declarative Guardrails for AI-Augmented Data Processing Systems [39.23499993745249]
  セマンティッククエリにおけるLLM出力に対する正当性条件を指定・強制するためのセマンティック整合性制約(SIC)を導入する。 SICは、従来のデータベース整合性制約をセマンティックセッティングに一般化し、グラウンド、サウンドネス、排他といった一般的なタイプの制約をサポートする。 本稿では,SICをクエリ計画と実行環境に統合するシステム設計について述べる。
  論文  参考訳（メタデータ） (2025-03-01T19:59:25Z)
• Bring Your Own Data! Self-Supervised Evaluation for Large Language Models [52.15056231665816]
  大規模言語モデル(LLM)の自己教師型評価のためのフレームワークを提案する。 閉書知識,毒性,長期文脈依存性を測定するための自己指導型評価戦略を実証する。 自己監督評価と人監督評価との間には強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-06-23T17:59:09Z)

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。