RECON: A Recipe-Driven, Evidence-Fused, Neuro-Symbolic Multi-Agent Architecture for Autonomous Document Compliance Auditing across Heterogeneous Enterprise Repositories
Dieses Paper stellt RECON vor, eine neuro-symbolische Multi-Agenten-Architektur, die deterministische Regeln, Fuzzy-Detection und LLM-Reasoning mit einem YAML-gesteuerten Rezeptsystem und manipulationssicherer Auditierung kombiniert, um reproduzierbare, verteidigbare und evidenzgefügte Dokumenten-Compliance-Prüfungen über heterogene Unternehmens-Repositories hinweg zu liefern.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, ein riesiges Puzzle zu lösen, aber die Teile sind über verschiedene Räume verstreut, einige sind mit unsichtbarer Tinte geschrieben und manche sehen so aus, als würden sie passen, sind aber eigentlich leicht die falsche Form. Dies ist die tägliche Realität für Unternehmen, die komplexen Regeln folgen müssen, wie etwa Gesetzen zum Datenschutz oder zur Finanzsicherheit. Sie müssen tausende von Dokumenten prüfen – Verträge, Kontoauszüge und Richtlinienhandbücher –, um sicherzustellen, dass sie nicht gegen Regeln verstoßen.
Um dies zu tun, verlassen sie sich normalerweise auf zwei Arten von Helfern. Der erste ist ein „Regelfolger“, ein strenges Computerprogramm, das nach exakten Wörtern sucht. Es ist wie ein Roboter, der nur das Wort „Apfel“ kennt, aber eine Abbildung einer roten Frucht übersehen wird, wenn man sie als „knusprige, runde Frucht“ bezeichnet. Der zweite Helfer ist ein „Großes Gehirn“, eine Art künstliche Intelligenz, die Sprache und Bedeutung versteht. Es ist großartig darin zu erkennen, dass eine „knusprige, runde Frucht“ ein Apfel ist, aber manchmal wird es verwirrt, erfindet Dinge dazu oder ändert seine Meinung, jedes Mal, wenn man es dieselbe Frage stellt. Die große Herausforderung in der Wissenschaft besteht derzeit darin, herauszufinden, wie man diese beiden Helfer kombinieren kann, damit sie zusammenarbeiten können, ohne sich zu streiten, und ein System schaffen, das sowohl intelligent genug ist, um schwierige Sprache zu verstehen, als auch streng genug, um von Regulierungsbehörden vertraut zu werden.
Hier kommt ein neues System namens RECON ins Spiel. Stellen Sie sich RECON als ein Super-Team aus fünf spezialisierten Agenten vor, die zusammenarbeiten, um Dokumente zu prüfen, und das darauf ausgelegt ist, sowohl flexibel als sie unzerbrechlich zu sein. Anstatt komplexe Computercodes zu schreiben, um neue Regeln einzurichten, schreibt ein verantwortlicher Mensch einfach eine einfache „Rezept“-Datei (wie ein Kochrezept, aber für Regeln). Dieses Rezept sagt dem Team genau, wonach es suchen soll.
Wenn das Team mit einer Prüfung beginnt, rät es nicht einfach. Es nutzt drei verschiedene Wege, um Probleme zu finden, fast so, als würde man gleichzeitig einen Metalldetektor, eine Lupe und die Intuition eines Detektivs verwenden. Zuer Sie scannt der „Regelfolger“ nach exakten Übereinstimmungen. Zweitens sucht ein „Fuzzy-Detektiv“ nach Phrasen, die fast die richtigen Wörter sind, und fängt Dinge ab, die etwas anders sind, aber dennoch verdächtig wirken. Drittens liest das „Große Gehirn“ den Kontext, um die Bedeutung zu verstehen. Die Magie geschieht, wenn sie ihre Notizen kombinieren. Sie führen alle ihre Funde in einer Liste zusammen, aber sie achten darauf, dass dasselbe Problem nicht doppelt gezählt wird. Wenn der strenge Roboter sagt „Kein Problem“, aber der Fuzzy-Detektiv und das Große Gehirn beide sagen „Dies sieht riskant aus“, vertraut das Team auf die stärksten Beweise.
Die Arbeit berichtet, dass sie, als sie dieses System an einem gemischten Stapel von 43 realen Geschäftsdokumenten (einschließlich Verträgen und Finanzberichten) testeten, 57 verschiedene Probleme fanden. Es war unglaublich genau und erreichte 91 % der richtigen Antworten (Präzision), während es auch 88 % der tatsächlichen Probleme fand (Recall). Dies ist eine große Sache, da frühere Systeme meist wählen mussten: entweder sehr streng sein und versteckte Probleme übersehen, oder sehr flexibel sein und Fehler machen. RECON legt nahe, dass man beides haben kann.
Um sicherzustellen, dass niemand schummeln oder die Ergebnisse später ändern kann, schreibt das System jeden einzelnen Schritt seiner Arbeit in ein digitales „Konto“ (Ledger), das mit einem speziellen Schloss (einem SHA-256-Hash) verkettet ist. Wenn jemand versucht, heimlich einen Fehler zu löschen oder ein Urteil zu ändern, bricht die gesamte Kette und die Manipulation ist sofort offensichtlich. Es ist wie ein Tagebuch, bei dem jede Seite an die nächste geklebt ist; wenn man eine herausreißt, fällt das ganze Buch auseinander.
Die Forscher haben auch einen „Konfidenz-Meter“ (Vertrauensmesser) zu jedem Urteil hinzugefügt. Wenn das System nur wenige Dokumente prüft, sagt es: „Ich bin mir ziemlich sicher, aber die Antwort könnte etwas schwanken.“ Wenn es hunderte von Dokumenten prüft, wird die Antwort sehr eng und präzise. In ihren Tests, als sie eine kleine Charge von Verträgen untersuchten, gab das System eine Warnung mit einem weiten Unsicherheitsbereich aus, aber als es den vollständigen Satz von 43 Dokumenten betrachtete, gab es eine spezifische Fehlbewertung mit einem sehr engen Unsicherheitsbereich an.
Die Studie legt nahe, dass diese Mischung aus strengen Regeln, Fuzzy-Matching und smarter KI, die in einem manipulationssicheren Protokoll aufgezeichnet wird, das Überprüfen von Dokumenten viel schneller und vertrauenswürdiger machen könnte. Die Autoren sind jedoch vorsichtig darauf hinzuweisen, dass dies auf einem Pilotprojekt mit einem spezifischen Satz von Bankdokumenten basiert. Obwohl die Ergebnisse vielversprechend aussehen, deuten sie darauf an, dass weitere Tests erforderlich sind, um zu sehen, ob es für jede Art von Unternehmen und jede Art von Regel ebenso gut funktioniert. Sie weisen auch darauf hin, dass das System immer noch einen Menschen benötigt, der die anfänglichen „Rezepte“ schreibt, also noch nicht vollständig automatisiert ist, aber es gibt dem Menschen ein leistungsfähiges neues Werkzeug an die Hand, um seine Aufgaben besser zu erledigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.