RECON: A Recipe-Driven, Evidence-Fused, Neuro-Symbolic Multi-Agent Architecture for Autonomous Document Compliance Auditing across Heterogeneous Enterprise Repositories
Dit artikel introduceert RECON, een neuro-symbolische multi-agent architectuur die deterministische regels, fuzzy detectie en LLM-redenering combineert met een YAML-gestuurd receptensysteem en een foutbestendige audit om reproduceerbare, verdedigbare en bewijs-gefusioneerde documentcompliance-beoordelingen te leveren over heterogene enterprise-repositories.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een enorme legpuzzel probeert op te lossen, maar de stukjes liggen verspreid over verschillende kamers, sommige zijn geschreven met onzichtbare inkt en sommige lijken wel te passen, maar hebben eigenlijk net de verkeerde vorm. Dit is de dagelijkiaanse realiteit voor bedrijven die complexe regels moeten volgen, zoals wetten over gegevensprivacy of financiële veiligheid. Ze moeten duizenden documenten controleren – contracten, bankafschriften en beleidsmanuals – om er zeker van te zijn dat ze de regels niet overtreden.
Om dit te doen, vertrouwen ze meestal op twee soorten helpers. De eerste is een "Regelvolger", een strikt computerprogramma dat zoekt naar exacte woorden. Het is als een robot die alleen het woord "appel" kent en een afbeelding van een rode vrucht zal missen als je het een "knapperige, ronde vrucht" noemt. De tweede helper is een "Groot Brein", een type kunstmatige intelligentie dat taal en betekenis begrijpt. Het is geweldig in het zien dat een "knapperige, ronde vrucht" een appel is, maar soms raakt het in de war, verzint het dingen, of verandert het van mening telkens wanneer je er dezelfde vraag aan stelt. De grote uitdaging in de wetenschap op dit moment is om uit te zoeken hoe je deze twee helpers kunt combineren zodat ze samenwerken zonder ruzie te maken, waardoor een systeem ontstaat dat zowel slim genoeg is om ingewikkelijke taal te begrijpen als strikt genoeg om vertrouwd te worden door toezichthouders.
Hier komt een nieuw systeem genaamd RECON in beeld. Denk aan RECON als een superteam van vijf gespecialiseerde agenten die samenwerken om documenten te auditeren, ontworpen om zowel flexibel als onverwoestbaar te zijn. In plaats van complexe computercode te schrijven om nieuwe regels op te zetten, schrijft een mens in de leiding gewoon een simpel "recept"-bestand (zoals een kookrecept, maar dan voor regels). Dit recept vertelt het team precies waar het naar moet zoeken.
Wanneer het team aan een audit begint, gokken ze niet zomaar. Ze gebruiken drie verschillende manieren om problemen te vinden, een beetje zoals het tegelijkertijd gebruiken van een metaaldetector, een vergrootglas en de intuïtie van een detective. Eerst scant de "Regelvolger" op exacte overeenkomsten. Tweede, een "Vage Detective" zoekt naar zinsneden die bijna de juiste woorden zijn, waardoor zaken worden gevangen die net even anders zijn maar nog steeds verdacht zijn. Derde leest het "Grote Brein" de context om de betekenis te begrijpen. De magie gebeurt wanneer ze hun aantekeningen combineren. Ze voegen al hun bevindingen samen tot één lijst, maar ze zijn voorzichtig om hetzelfde probleem niet twee keer te tellen. Als de strikte robot zegt "Geen probleem", maar de vage detective en het grote brein zeggen "Dit ziet er riskant uit", dan vertrouwt het team op het bewijs dat het sterkst is.
Het artikel meldt dat wanneer ze dit systeem testten op een gemengde stapel van 4 และ echte zakelijke documenten (inclusief contracten en financiële rapporten), het 57 verschillende problemen vond. Het was ongelooflijk nauwkeurig en behaalde 91% van de juiste antwoorden (precisie), terwijl het ook 88% van de werkelijke problemen vond (recall). Dit is een grote zaak omdat eerdere systemen meestal moesten kiezen: ofwel heel strikt zijn en verborgen problemen missen, ofwel heel flexibel zijn en fouten maken. RECON suggereert dat je beide kunt hebben.
Om ervoor te zorgen dat niemand kan valsspelen of de resultaten later kan veranderen, schrijft het systeem elke stap van zijn werk in een digitaal "grootboek" dat aan elkaar geketend is met een speciale vergrendeling (een SHA-256 hash). Als iemand stiekem een fout probeert te wissen of een oordeel probeert te veranderen, breekt de hele keten en is de manipulatie onmiddellijk zichtbaar. Het is als een dagboek waarbij elke pagina aan de volgende is geplakt; als je er één uit scheurt, valt het hele boek uit elkaar.
De onderzoekers voegden ook een "vertrouwensmeter" toe aan elk oordeel. Als het systeem slechts enkele documenten controleert, zegt het: "Ik ben vrij zeker, maar het antwoord kan een beetje wiebelen." Als het honderden documenten controleert, wordt het antwoord zeer strak en precies. In hun tests, bij het bekijken van een kleine batch contracten, gaf het systeem een waarschuwing met een brede onzekerheidsmarge, maar bij het bekijken van de volledige set van 43 documenten gaf het een specifieke falingsscore met een zeer nauwe marge van zekerheid.
De studie suggereert dat deze mix van strikte regels, fuzzy matching en slimme AI, die allemaal worden vastgelegd in een onveranderlijk logboek, het controleren van documenten veel sneller en betrouwbaarder kan maken. De auteurs waarschuwen echter dat dit gebaseerd is op een pilottest met een specifieke set bankdocumenten. Hoewel de resultaten veelbelovend lijken, suggereren zij dat er meer testen nodig zijn om te zien of het even goed werkt voor elk type bedrijf en elke soort regel. Ze wijzen ook erop dat het systeem nog steeds een mens nodig heeft om de initiële "recepten" te schrijven, dus het is nog niet volledig automatisch, maar het geeft mensen een krachtig nieuw hulpmiddel om hun werk beter te doen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.