論文の概要: Constraint Dependency Graph Retrieval for Compliance Detection on Long SKILL Documents

• arxiv url: http://arxiv.org/abs/2611.01042v1
• Date: Sat, 31 Oct 2026 15:31:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:35:38.814447
• Title: Constraint Dependency Graph Retrieval for Compliance Detection on Long SKILL Documents
• Title（参考訳）: 長文SKILL文書のコンプライアンス検出のための制約依存グラフ検索
• Abstract要約: 本稿では,各SKILL文書を制約依存グラフとして再構成するコンプライアンス検出フレームワークであるSkillCDGを提案する。 SkillCDGは、ルールの検索を類似性ベースのマッチングから、デプロイメントのコンテキスト予算の下でクロージャベースの選択にシフトする。 3つのエンタープライズデータセットと2つの公開ベンチマークの実験は、SkillCDGがフルドキュメントと検索ベースのベースラインよりも正確性とF1を改善することを示している。
• 参考スコア（独自算出の注目度）: 11.415426692666863
• License:
• Abstract: Large Language Model (LLM) agents carry out business operations under enterprise documents we refer to as SKILL documents, which take the form of standard operating procedures (SOPs) that state the conditions to verify and the actions to take before an operation proceeds. Long, densely cross-referenced SKILL documents exceed the context budget of small deployed auditors. Similarity-based retrieval then brings in irrelevant rules while omitting mandatory prerequisites, and the two-stage audit policy provides no trainable signal for the retrieval stage. We present SkillCDG, a compliance detection framework that reformulates each SKILL document as a constraint dependency graph, shifting rule retrieval from similarity-based matching to closure-based selection under the deployment's context budget. Each atomic rule is anchored to its source text span as a graph node, and mandatory prerequisite relations form the sole edge type. Policy-generated retrieval keywords activate seed rules, whose dependency closure yields a compact and conditionally complete rule context within that budget. The same graph also supports a joint optimization scheme. The retrieval stage is trained with group-relative policy optimization using a verifiable reward that combines output-format validity with downstream verdict correctness, with closure non-emptiness serving as a validity gate, while selective on-policy distillation concentrates teacher supervision on high-entropy reasoning tokens, with verdict and termination tokens always included, to improve verdict accuracy. Experiments on three enterprise datasets and two public benchmarks show that SkillCDG improves accuracy and F1 over the full-document and retrieval-based baselines.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、SKILL文書(SKILL document)と呼ばれる企業文書の下でビジネスオペレーションを行う。 SKILL文書は、小規模にデプロイされた監査人のコンテキスト予算を超えている。 類似性に基づく検索は、必須の前提条件を省略しながら無関係なルールをもたらし、2段階の監査ポリシーは、検索段階ではトレーニング可能な信号を提供しない。 本稿では,各SKILL文書を制約依存グラフとして再構成するコンプライアンス検出フレームワークであるSkillCDGについて述べる。 各原子規則は、元のテキストにグラフノードとして固定され、必須の前提条件関係は、唯一のエッジタイプとなる。 ポリシー生成された検索キーワードはシードルールを起動し、依存関係のクロージャはその予算内でコンパクトで条件付きで完全なルールコンテキストを生成する。 同じグラフは、共同最適化スキームもサポートする。 検索段階は、出力フォーマットの妥当性と下流のバリデーションの正確性を組み合わせた検証可能な報酬と、妥当性ゲートとして機能するクロージャの非空性を併用した検証可能な報酬を用いて、グループ相対的な政策最適化を訓練する一方、選択的なオン・ポリケーション蒸留は、高いエントロピー推論トークンに教師の監督を集中させ、判定および終了トークンを常に含んで、検証精度を向上させる。 3つのエンタープライズデータセットと2つの公開ベンチマークの実験は、SkillCDGがフルドキュメントと検索ベースのベースラインよりも正確性とF1を改善することを示している。

関連論文リスト

• From Migration to Calibration: Preserving Agent Capabilities across Models, Jurisdictions, and Scale [4.321360447503974]
  エージェントキャリブレーションを標準優先適応として定式化し,基本能力,技術環境,ユーザコンテキスト標準を定義する。 制限されたユーザトラジェクトリとテストを用いた自動校正ツールを今後の作業として提案する。
  論文  参考訳（メタデータ） (2026-09-28T13:31:46Z)
• Semantic Candidate-Job Matching: A Comparative Evaluation of Dense Embedding Models in Hybrid Retrieval [0.9354609712376276]
  本稿では,高ボリュームスタッフリングにおけるセマンティックな候補-ジョブマッチングのための密着型埋め込みモデルの比較評価を行う。 MNRL (Cached Multiple Negatives Ranking Loss) を用いた EmbeddingGemma に対する EmbeddingGemma の評価を行った。 本稿では,汎用型埋め込みベンチマークと企業向けジョブ候補マッチング制約のギャップを解消し,現実的なジョブ候補検索条件下での埋め込み戦略を比較するための構造的基盤を提供する。
  論文  参考訳（メタデータ） (2026-09-20T02:50:12Z)
• EAVer: Long-Form Factuality Verification as an End-to-End Agentic Policy [50.665874114632]
  我々は、完全な応答レベルの検証ワークフローを統一ポリシーとして制御することを学ぶ、エンドツーエンドのエージェント検証であるEAVerを紹介する。 EAVerはセマンティック関連クレームをグループ化し、信頼に基づいた直接検証やターゲット検索にルートし、コンパクトなインコンテキストメモで検索によって返される証拠を保持する。
  論文  参考訳（メタデータ） (2026-09-02T21:00:35Z)
• From Association to Causation: Improving Retrieval Precision of Retrieval-Augmented Generation via Causal Relations and an Attention Mechanism [23.0538048682894]
  我々は,ライヒェンバッハの共通原因原理に基づく因果グラフを用いて,終端検索段階をモデル化する。 検索された文書はコライダー(A−>d−B)であるため、検索自体がクエリとBの関連経路を開く。 知識内容内の因果関係をモデル化する因果関係強化RAG変種とは異なり、我々のグラフは検索プロセス自体の因果構造をモデル化する。
  論文  参考訳（メタデータ） (2026-08-22T00:31:06Z)
• Constraint-Aware Hierarchical Search for Regulation-Driven Fine-Grained Classification [7.061842884221568]
  関税分類、輸出管理分類、標準ベースの機器コーディングなどのタスクでは、明示的な規制階層の下で入力インスタンスをきめ細かいクラスに割り当てる必要がある。 我々は、この設定を規制駆動のきめ細かい階層分類として定式化し、そこでは、外部インスタンスは規制階層の有効な経路を通してきめ細かなクラスに割り当てられ、監査可能な証拠によって支持されなければならない。 本稿では,規制文書を検索可能な木に変換し,有効なローカル候補ノードのみを検索し,エビデンスススニペットを用いた構造化規制フィールドを用いて,各次ホップ決定を導出する制約対応階層検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-12T05:57:22Z)
• Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
  複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。 RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T10:38:38Z)
• Beyond Similarity: Task-Aligned Retrieval for Language Models [3.141210160384506]
  Retrieval-augmented Generation (RAG) は、セマンティックな類似性によってパスをランク付けし、セマンティックな類似性は下流のタスクに適用可能性の信頼性を示すものであると暗に仮定する。 本稿では,類似性に基づく検索を適用性に基づくルール選択に置き換える検索フレームワークであるタスクアラインド検索(TAG)を提案する。
  論文  参考訳（メタデータ） (2026-05-27T04:45:57Z)
• Learning to Route: A Rule-Driven Agent Framework for Hybrid-Source Retrieval-Augmented Generation [55.47971671635531]
  大言語モデル(LLM)は、一般質問回答(QA)において顕著な性能を示した。 Retrieval-Augmented Generation (RAG)は、LLMを外部知識で強化することで、この制限に対処する。 既存のシステムは、主に構造化されていないドキュメントに依存しているが、主にリレーショナルデータベースを見下ろしている。
  論文  参考訳（メタデータ） (2025-09-30T22:19:44Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)

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。