Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
PolicyGuard는 LLM의 암시적 추론 한계를 극복하기 위해 뉴로-심볼릭(Neuro-Symbolic) 프레임워크를 제안합니다. 조직의 정책을 관계형 로직 규칙으로 변환하여, LLM의 문서 해석과 심볼릭 평가기를 결합해 명시적이고 테스트 가능한 준수 검토를 수행합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기정책에 기반한 문서 검토는 대상 문서가 조직 특유의 정책, 가이드라인 또는 플레이북(playbook)을 준수하는지 여부를 결정하는 과정이 필요합니다. 거대 언어 모델 (LLM)이 정책 해석과 문서 분석을 도울 수는 있지만, 엔드 투 엔드 (end-to-end) 프롬프팅 방식은 적용된 정책 로직을 암시적인 상태로 남겨두기 때문에 준수 여부 결정 과정을 검사, 업데이트 및 테스트하기 어렵게 만듭니다. 본 논문에서는 정책에 기반한 문서 준수 검토를 위한 뉴로-심볼릭 (neuro-symbolic) 프레임워크인 PolicyGuard를 제안합니다. PolicyGuard는 조직의 정책 지침을 타입화된 관계형 로직 규칙 (typed relational logic rules)과 원자 수준의 추출 질문 (atom-level extraction questions)으로 구성된 실행 가능한 검토 엔진으로 변환합니다. 검토 과정에서 LLM은 검색된 문서 증거를 사용하여 이러한 국소적 질문들에 답하며, 심볼릭 평가기 (symbolic evaluator)는 형식적 규칙을 적용하여 미준수 사항을 탐지합니다. 우리는 계약 조항이 조직 특유의 협상 정책에 따라 확인되어야 하는 기업별 NDA (비밀유지계약) 준수 검토에 PolicyGuard를 구현하여 평가하였습니다. 정책의 형식화 (formalization), 국소적 문서 해석, 그리고 심볼릭 준수 평가를 분리함으로써, PolicyGuard는 문서 검토를 더욱 명시적이고 유지보수가 용이하며 체계적으로 테스트 가능하게 만듭니다.