論文の概要: Operationalizing Regulations into Code: A Model to Enhance Governance and Compliance in LLM Selection for Software Engineering
- arxiv url: http://arxiv.org/abs/2608.27703v1
- Date: Thu, 27 Aug 2026 20:39:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.146941
- Title: Operationalizing Regulations into Code: A Model to Enhance Governance and Compliance in LLM Selection for Software Engineering
- Title（参考訳）: コードへの規則の運用: ソフトウェア工学における LLM 選択におけるガバナンスとコンプライアンスの強化モデル
- Abstract要約: 本稿では,ソフトウェア工学プロジェクトの大規模言語モデル(LLM)選択におけるガバナンスとコンプライアンスを支援するモデルを提案する。
このモデルはScience Research (DSR) を通じて開発され, (i) 規制要件, (ii) 組織ガバナンス能力, (ii) ノックアウトおよび重み付けされた評価基準付きマルチ基準決定行列によるインスタンス化, (iii) PAG-LLM ガバナンスアセスメントプロトコルによって運用される生産性と持続可能性の結果の3つのレイヤで構成されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrating Large Language Models (LLMs) into the Software Development Life Cycle (SDLC) can improve developer productivity, but it also introduces security, privacy, and compliance risks during model selection. Regulations and frameworks such as the EU AI Act, the NIST AI Risk Management Framework (RMF), the General Data Protection Regulation (GDPR), the Lei Geral de Proteção de Dados (LGPD), and ISO/IEC 42001 establish obligations that are often difficult to translate into operational criteria for technical decision-making. This paper proposes a model to support governance and compliance in LLM selection for software engineering projects. The model is developed through Design Science Research (DSR) and is structured in three layers: (i) regulatory requirements, (ii) organizational governance capabilities, instantiated by a multi-criteria decision matrix with knock-out and weighted scoring criteria, and (iii) productivity and sustainability outcomes, operationalized by the LLM governance assessment protocol (PAG-LLM). A regulatory feedback loop connects operational results back to the normative layer, enabling iterative refinement of the model. A pilot evaluation with 20 adversarial scenarios based on Common Weakness Enumeration (CWE) and the OWASP Top 10 suggests distinct risk profiles between commercial cloud-based LLMs and local open-source LLMs. The results provide preliminary evidence that regulatory disqualification logic, particularly K.O. criteria, can prevent the selection of technically competitive models that nonetheless pose unacceptable compliance risks, demonstrating the feasibility of governance-oriented LLM selection in software engineering projects.
- Abstract（参考訳）: 大規模言語モデル(LLM)をソフトウェア開発ライフサイクル(SDLC)に統合することは、開発者の生産性を向上させるだけでなく、モデル選択時のセキュリティ、プライバシ、コンプライアンスリスクも導入する。
EU AI Act、NIST AI Risk Management Framework (RMF)、General Data Protection Regulation (GDPR)、Lei Geral de Proteção de Dados (LGPD)、ISO/IEC 42001などの規制およびフレームワークは、技術的意思決定の運用基準に翻訳することがしばしば難しい義務を定めている。
本稿では,ソフトウェア工学プロジェクトにおける LLM 選択におけるガバナンスとコンプライアンスを支援するモデルを提案する。
モデルはDSR(Design Science Research)によって開発され、3層構造になっている。
(i)規制要件
二 組織統治機能、ノックアウト及び重み付け基準付き複数基準決定行列によりインスタンス化、
3) LLMガバナンスアセスメントプロトコル(PAG-LLM)が運用する生産性と持続可能性の成果。
規制フィードバックループは、運用結果を規範的なレイヤに接続し、モデルの反復的な改善を可能にする。
Common Weakness Enumeration (CWE)とOWASP Top 10に基づく20の逆シナリオによるパイロット評価では、商用クラウドベースのLLMとローカルオープンソースLLMの異なるリスクプロファイルが示唆されている。
この結果は、規制の失格化ロジック、特にK.O.の基準が、技術的に競争力のあるモデルの選択を阻止できるという予備的な証拠を提供するが、それでも、許容できないコンプライアンスリスクを生じさせ、ソフトウェア工学プロジェクトにおけるガバナンス指向のLCM選択の可能性を示す。
関連論文リスト
- Simplifying Requirements Engineering in the Context of the LGPD: An LLM-Based Investigation [0.0]
本研究では,ブラジル一般データ保護法(LGPD)の枠組みにおいて,大規模言語モデル(LLM)が要求工学(RE)を簡素化できるかどうかを検討する。
提案手法は,ユーザストーリとアクセプタンステストシナリオを自動生成する現行の法律を利用する。
論文 参考訳（メタデータ） (2026-08-11T21:39:48Z) - COOPA: A Modular LLM Agent Architecture for Operations Research Problems [45.369080363530976]
Operations Research (OR)は、高い意思決定のための厳格な枠組みを提供する。
最近のLSMベースのシステムはパイプラインの一部を自動化しているが、複雑な問題に対して低い精度で制限されている。
本稿では,解釈可能かつスケーラブルなOR決定支援のためのモジュール型LLMエージェントアーキテクチャであるCOOPAを提案する。
論文 参考訳（メタデータ） (2026-06-25T23:56:58Z) - Can LLMs Be CEOs? Benchmarking Strategic Resource Reallocation with Multi-Role Agent Simulation [5.488097487012986]
大規模言語モデル(LLM)の意思決定能力を評価することが研究の優先事項となっている。
我々は、CEOレベルの戦略的リソース再配置に基づいてLCMを評価するベンチマークであるtextsc CEO-Benchを紹介する。
13のシナリオにおける5つのフロンティアモデルに対する実験により、全てのモデルが高い構造的妥当性を達成するが、戦略的なキャリブレーションにおいて急変することが明らかになった。
論文 参考訳（メタデータ） (2026-06-16T03:20:04Z) - FrontierOR: Benchmarking LLMs' Capacity for Efficient Algorithm Design in Large-Scale Optimization [61.43300970020897]
大規模言語モデル(LLM)は、最適化モデリングとソルバコード生成にますます使われている。
既存のベンチマークは、実際のスケールと複雑さよりもはるかに低い、小さな、あるいは単純化された例に限られている。
現実的な大規模最適化問題に対して,LLMに基づく効率的なアルゴリズム設計を評価するための最初のベンチマークとしてFrontierORを紹介した。
論文 参考訳（メタデータ） (2026-05-24T20:10:42Z) - Position: agentic AI orchestration should be Bayes-consistent [92.04373485710285]
本稿では,エージェントシステムのオーケストレーションレベルにおいて,一貫性のある意思決定にはベイズ原理が必要であることを論じる。
信念とユーティリティ対応ポリシーがエージェントAIオーケストレーションをどのように改善するかを説明するための例とデザインパターンを提供する。
論文 参考訳（メタデータ） (2026-05-01T15:43:43Z) - Building the ethical AI framework of the future: from philosophy to practice [0.0]
既存のガバナンス機器は、高レベルのガイダンスを提供するが、多くの場合、強制力のあるエンドツーエンドの運用管理を欠いている。
本稿では,段階固有の執行機構に,連続論的・非論理的・美徳倫理的推論を組み込む倫理的・デザイン的制御アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-02-16T03:45:23Z) - Generative AI in Systems Engineering: A Framework for Risk Assessment of Large Language Models [0.8062120534124607]
LLM(Large Language Models)の利用の増加は、エンジニアリングライフサイクル全体にわたって大きなチャンスをもたらします。
本稿では,システム工学環境におけるLLMの適用性を評価するための構造化アプローチであるLLM Risk Assessment Framework(LRF)を紹介する。
論文 参考訳（メタデータ） (2026-02-04T09:30:11Z) - A.S.E: A Repository-Level Benchmark for Evaluating Security in AI-Generated Code [49.009041488527544]
A.S.Eは、AI生成コードのセキュリティを評価するためのリポジトリレベルの評価ベンチマークである。
現在の大規模言語モデル(LLM)は、セキュアなコーディングに苦戦している。
大きな推論予算は、必ずしもより良いコード生成につながるとは限らない。
論文 参考訳（メタデータ） (2025-08-25T15:11:11Z) - COMPL-AI Framework: A Technical Interpretation and LLM Benchmarking Suite for the EU Artificial Intelligence Act [40.233017376716305]
EUの人工知能法(AI Act)は、AI開発の責任を負うための重要なステップである。
明確な技術的解釈がなく、モデルのコンプライアンスを評価するのが難しい。
この研究は、この法律の最初の技術的解釈からなる包括的枠組みであるComple-AIを提示する。
論文 参考訳（メタデータ） (2024-10-10T14:23:51Z) - 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) - Unveiling the Misuse Potential of Base Large Language Models via In-Context Learning [61.2224355547598]
大規模言語モデル(LLM)のオープンソース化は、アプリケーション開発、イノベーション、科学的進歩を加速させる。
我々の調査は、この信念に対する重大な監視を露呈している。
我々の研究は、慎重に設計されたデモを配置することにより、ベースLSMが悪意のある命令を効果的に解釈し実行できることを実証する。
論文 参考訳（メタデータ） (2024-04-16T13:22:54Z) - Certified Reinforcement Learning with Logic Guidance [78.2286146954051]
線形時間論理(LTL)を用いて未知の連続状態/動作マルコフ決定過程(MDP)のゴールを定式化できるモデルフリーなRLアルゴリズムを提案する。
このアルゴリズムは、トレースが仕様を最大確率で満たす制御ポリシーを合成することが保証される。
論文 参考訳（メタデータ） (2019-02-02T20:09:32Z)
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。