bmo.com

이 이메일 도메인이 관측된 논문 2건

arXiv:2608.01772v2cs.AI

ESCROW: 정책 기반 엔터프라이즈 워크플로 내 에이전트를 위한 보호 및 이중 목표 지속적 유지보수

ESCROW: Guarded and Dual-Objective Continual Maintenance for Agents in Policy-Governed Enterprise Workflows

대규모 언어 모델(LLM) 에이전트는 규칙을 일관되게 적용하고 감사 가능성을 유지해야 하는 정책 기반 엔터프라이즈 워크플로를 점점 더 많이 수행하고 있습니다. 이러한 에이전트를 배포하는 것은 장기 유지보수 주기의 시작에 불과합니다. 에이전트는 지속적인 운영 신호 스트림에 적응해야 하지만, 희소하고 라벨이 지정되지 않은 이러한 신호를 재사용 가능한 스킬 수정안으로 안정적으로 전환하는 것은 어렵습니다. 또한 부주의한 업데이트는 전체적인 이득을 위해 특정 작업 범주의 정확도를 희생시키거나, 이미 해결된 오류를 다시 발생시키거나, 배포 불가능한 비용 수준에 도달할 위험이 있습니다. 본 논문에서는 엄격한 업데이트 경계(Strict Update Boundary) 하에서 에이전트의 외부 검토 가능 스킬을 업데이트하는 사후 배포 유지보수 프레임워크인 ESCROW를 제안합니다. 여기서는 LLM이 후보 수정안을 제안하지만, 실증적으로 평가된 버전만 배포됩니다. ESCROW는 합의 기반 분산 진단, 범주별 비퇴행 가드(non-regression guard), 주기 간 퇴행 방지, 정확도-비용 파레토(Pareto) 탐색을 결합하여 변경 사항마다 버전이 지정되고 감사가 가능한 diff를 출력합니다. 자체 내부 금융 문서 감사 시스템의 실제 운영 환경에서 ESCROW는 공개 $\tau$-bench에 대한 전이 프로브와 함께 베이스라인 중 가장 우수한 평가 정확도-비용 절충(trade-off)을 달성했습니다.

arXiv:2608.16763v1cs.AI

LAVA: 대규모 금융 문서 감사를 위한 논리 인식 검증 및 증강 프레임워크

LAVA: Logic-Aware Validation and Augmentation Framework for Large-Scale Financial Document Auditing

급여 감사, 세무 준수, 대출 심사와 같은 실제 운영 환경에서의 금융 문서 검증(validation)은 엄격한 엔터프라이즈 제약 조건 하에서 뛰어난 정확도, 일관성 및 재현성을 요구합니다. 실제 환경에서 유입되는 문서는 이종의 레이아웃과 포맷, 의미론적으로 풍부하고 문맥에 의존적인 내용, 그리고 내재된 비즈니스 규칙을 지니고 있어 기존 파이프라인으로는 안정적인 처리에 한계가 있습니다. 본 연구에서는 멀티모달 대규모 언어 모델을 기반으로 구축된 모듈형의 백본 독립적 파이프라인인 LAVA(Logic-Aware Validation and Augmentation)를 소개합니다. LAVA는 문서-규칙 검색, 레이아웃 보존 정보 추출, 보조 메타데이터 강화, 감사 가능한 기호/산술적 검증의 4단계 설계를 통합합니다. 또한 고위험 환경 배포에 필수적인 강력한 규칙 그라운딩(rule grounding), 세밀한 오류 귀인, 일관되고 추적 가능한 엔드투엔드 실행을 지원합니다. 다양한 금융 문서와 수십 개의 전문가 큐레이션 검증 규칙으로 구성된 대규모 실제 벤치마크 평가에서, LAVA는 효율적인 토큰(token) 사용량을 유지하면서도 환각(hallucination) 제어 및 엣지 케이스 처리 부문에서 기존 베이스라인을 능가하여 대량의 시간에 민감한 검증 작업에 대한 실용성을 입증했습니다.