論文の概要: Spectra: A Rules-Driven LLM Pipeline for Automated KYC Document Processing
- arxiv url: http://arxiv.org/abs/2609.25474v1
- Date: Mon, 21 Sep 2026 22:59:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.140185
- Title: Spectra: A Rules-Driven LLM Pipeline for Automated KYC Document Processing
- Title（参考訳）: Spectra: KYC自動化ドキュメント処理のためのルール駆動LLMパイプライン
- Abstract要約: オンボーディングプロセスを分析し、AI自動化に適した繰り返し可能なコンポーネントを含んでいることを確認します。
従来の4つのプロセスは、作業の大部分を共有し、一緒に自動化できる2つのパーティに統合します。
本稿では,構造化ルールエンジンとLLMに基づく分類,抽出,検証エージェントを組み合わせたAI支援型文書処理プラットフォームであるSpectraを紹介する。
- 参考スコア（独自算出の注目度）: 3.4787800700183626
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Know Your Client (KYC) onboarding in capital markets requires analysts to manually classify documents, extract structured data from heterogeneous sources, and validate compliance against complex regulatory policies. This process requires significant analyst time per client, with end-to-end onboarding often stretching to multiple weeks due to sequential handoffs. In this work, we analyze an on-boarding process and find that it comprises repeatable components well-suited to AI automation. We therefore propose a restructured workflow to be amenable to automation: we consolidate the traditional four-party process into two parties that share most of the work and can be automated together, eliminating intermediate handoffs that compound delays. To automate the remaining steps, we introduce Spectra, an AI-assisted document processing platform that combines a structured rules engine with LLM-based classification, extraction, and validation agents. The rules engine encodes compliance policy as a queryable database, enabling focused context injection that reduces token usage while improving extraction precision. Rather than a single monolithic prompt, the system decomposes document processing into isolated, auditable stages, each optimized independently and traceable to specific policy clauses. In evaluation on real KYC documents, Spectra achieves 100% classification accuracy and 89.4% extraction accuracy. Human review burden dropped by 96%.
- Abstract（参考訳）: 資本市場でのKnow Your Client(KYC)の導入には、アナリストが文書を手作業で分類し、異種ソースから構造化データを抽出し、複雑な規制ポリシーに対するコンプライアンスを検証する必要がある。
このプロセスでは、クライアント毎のかなりのアナリスト時間が必要で、シーケンシャルなハンドオフのため、エンドツーエンドのオンボーディングが数週間に及ぶことがよくある。
この研究では、オンボードのプロセスを分析し、AI自動化に適した繰り返し可能なコンポーネントを含むことを見つけます。
従来の4つのプロセスは、作業の大部分を共有し、同時に自動化可能な2つのパーティに統合され、複雑な遅延を伴う中間的なハンドオフを排除します。
残りのステップを自動化するために、構造化ルールエンジンとLLMベースの分類、抽出、バリデーションエージェントを組み合わせたAI支援ドキュメント処理プラットフォームであるSpectraを導入する。
ルールエンジンは、コンプライアンスポリシーをクエリ可能なデータベースとしてエンコードし、抽出精度を改善しながらトークンの使用量を減らす集中型コンテキストインジェクションを可能にする。
単一のモノリシックなプロンプトではなく、システムは文書処理を独立した監査可能なステージに分解する。
実際のKYC文書の評価において、Spectraは100%の分類精度と89.4%の抽出精度を達成している。
人事審査の負担は96%減少した。
関連論文リスト
- IDP AutoOpt: Agent-Driven Optimization of Document Processing Pipeline Configurations [4.639043440418973]
IDP AutoOptは、インテリジェントなドキュメント処理パイプラインのための高性能な構成を発見する自動LLMエージェントである。
小さなラベル付きセットで設定をスコアし、フィールドレベルのエラーを診断し、ターゲットとする編集を生成し、人間が認可したドメインスキルによってガイドされる再評価を行う。
論文 参考訳（メタデータ） (2026-07-13T20:14:14Z) - LLM-as-a-Verifier: A General-Purpose Verification Framework [74.40111651545979]
本稿では,汎用検証フレームワーク LLM-as-a-Verifier を紹介する。
追加のトレーニングを必要とせずに、エージェントタスクに対してきめ細かいフィードバックを提供する。
いくつかのベンチマークで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） (2026-07-06T17:59:35Z) - Beyond Semantic Similarity: A Two-Phase Non-Parametric Retrieval Workflow for Corporate Credit Underwriting [0.0]
社債の引受には、アナリストが長く異質な財務文書から実行可能な証拠を抽出する必要がある。
本稿では,2段階の非パラメトリック検索アーキテクチャを提案し,高精度ユーティリティランキングからハイリコール候補検索を分離する。
800人以上のクレジットアナリストのプロダクションデプロイメントでは、文書レビューの時間は数時間から約3分に短縮された。
論文 参考訳（メタデータ） (2026-05-20T04:23:06Z) - AVDA: Autonomous Vibe Detection Authoring for Cybersecurity [0.1633272850273525]
AVDAは、モデルコンテキストプロトコル(MCP)を活用して、組織コンテキストをAI支援コード生成に統合することで検出を自動化するフレームワークである。
我々は,多種多様な生産検出コーパスと最先端LCMの3つのオーサリング戦略 – Baseline, Sequential, Agentic – を評価した。
その結果,エージェント品質の87%をトークンコストの40倍以下で達成できた。
論文 参考訳（メタデータ） (2026-03-26T21:52:33Z) - SWE-QA-Pro: A Representative Benchmark and Scalable Training Recipe for Repository-Level Code Understanding [41.98672557723593]
SWEQA-Proは,多種多様な長期リポジトリと実行可能な環境から構築されたベンチマークである。
さらに,2段階のトレーニングレシピであるSupervised Fine-Tuning(SFT)とReinforcement Learning from AI Feedback(RLAIF)という,スケーラブルな合成データパイプラインを提案する。
SWE-QA-ProのGPT-4oを2.3ポイント超え、最先端モデルとのギャップを大幅に狭める。
論文 参考訳（メタデータ） (2026-03-17T05:12:48Z) - Analyzing and Internalizing Complex Policy Documents for LLM Agents [53.14898416858099]
大規模言語モデル(LLM)ベースのエージェントシステムは、多様なビジネスルールをコードするコンテキスト内ポリシー文書に依存している。
これは、パフォーマンスを保ちながら、ポリシー文書をモデルプリエントに組み込む内部化手法の開発を動機付けます。
CC-Genは4つのレベルにまたがる制御可能な複雑度を持つエージェントベンチマークジェネレータである。
論文 参考訳（メタデータ） (2025-10-13T16:30:07Z) - CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。
単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。
本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
論文 参考訳（メタデータ） (2025-10-03T17:30:16Z) - MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。
提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。
その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
論文 参考訳（メタデータ） (2025-08-13T19:14:48Z) - AI Agents-as-Judge: Automated Assessment of Accuracy, Consistency, Completeness and Clarity for Enterprise Documents [0.0]
本研究では,AIエージェントを用いた高度に構造化された企業文書の自動レビューのためのモジュール型マルチエージェントシステムを提案する。
LangChain、CrewAI、TruLens、Guidanceといった現代的なオーケストレーションツールを使用して、文書のセクション単位での評価を可能にする。
99%の情報一貫性(人間の場合は92%)を実現し、エラーとバイアス率を半減させ、1文書あたりの平均レビュー時間を30分から2.5分に短縮する。
論文 参考訳（メタデータ） (2025-06-23T17:46:15Z) - SPARE: Single-Pass Annotation with Reference-Guided Evaluation for Automatic Process Supervision and Reward Modelling [58.05959902776133]
私たちはSingle-Passを紹介します。
Reference-Guided Evaluation (SPARE)は、効率的なステップごとのアノテーションを可能にする新しい構造化フレームワークである。
数学的推論(GSM8K, MATH)、マルチホップ質問応答(MuSiQue-Ans)、空間推論(SpaRP)にまたがる4つの多様なデータセットにおけるSPAREの有効性を実証する。
ProcessBenchでは、SPAREがデータ効率のよいアウト・オブ・ディストリビューションの一般化を実証し、トレーニングサンプルの$sim$16%しか使用していない。
論文 参考訳（メタデータ） (2025-06-18T14:37:59Z) - Turning Conversations into Workflows: A Framework to Extract and Evaluate Dialog Workflows for Service AI Agents [65.36060818857109]
本稿では,過去の対話から対話を抽出し,評価するための新しい枠組みを提案する。
抽出プロセスは,(1)重要な手続き的要素に基づいて関連する会話を選択するための検索ステップ,(2)質問応答に基づくチェーン・オブ・シークレット(QA-CoT)プロンプトを用いた構造化ワークフロー生成プロセスの2つの主要な段階から構成される。
論文 参考訳（メタデータ） (2025-02-24T16:55:15Z)
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。