대상 문서가 규제의 의무 사항을 충족하는지 판단하는 규제 준수(regulatory compliance) 검사는 난해한 법률 텍스트 해석, 적용 가능한 조항 식별, 그리고 각 결정을 명시적 근거에 그라운딩(grounding)하는 과정을 필요로 합니다. 본 연구에서는 규제 준수 검사를 위한 엔드투엔드(end-to-end) 방식의 자동화된 에이전트(agentic) 기반 규정 비의존적(regulation-agnostic) 법률 자연어 처리(Legal NLP) 시스템인 ARCCS를 제시합니다. ARCCS는 원본 규제 텍스트를 추적 가능한 원자 단위의 요구사항으로 분해하고, 검색된 근거와 신뢰도 점수, 인간이 해석 가능한 근거 설명을 활용하여 대상 문서를 해당 요구사항에 대해 평가합니다. 이러한 설계를 통해 규제 준수 평가를 고정된 규제 템플릿이나 사전 정의된 규칙 집합으로부터 분리함으로써, 다양한 규모와 구조를 지닌 규제 전반에서 파이프라인이 작동할 수 있도록 합니다. 우리는 상호 보완적인 두 가지 환경에서 ARCCS를 평가합니다. 첫째, GDPR 정책 문서 평가에서 대규모 언어 모델(LLM) 기반 판정자는 평가된 사례의 최대 96.67%에서 시스템의 결정 및 근거 설명이 법률적·증거적으로 일관됨을 확인했습니다. 둘째, 1,200개 이상의 개별 규칙 검사로 구성된 EU 공공 조달 벤치마크에서 이 시스템은 위반 탐지 정확도 98.8%를 달성했습니다. 우리가 아는 한, ARCCS는 엔드투엔드 규제 준수 검사 및 감사 가능한 보고서 생성을 지원하는 최초의 완전한 오픈소스 시스템입니다.
화음 진행(chord progression)은 음악의 구조 및 전달되는 감정과 관련된 중요한 정보를 담고 있습니다. 이는 음악 작곡의 중추 역할을 하며, 많은 경우 음악가가 음악을 따라 연주하는 데 필요한 유일한 정보이기도 합니다. 이러한 중요성에도 불구하고, 데이터 도메인으로서의 화음 진행은 여전히 충분히 탐색되지 않았습니다. 기존 데이터셋은 음악 이해 모델을 엄격하게 평가(evaluation)하는 데 필요한 규모, 구조적 주석, 메타데이터 다양성이 부족합니다. 본 연구에서는 사용자 생성 진행 및 관련 메타데이터의 다양한 소스를 스크래핑하여 제작되었으며, 널리 확립된 이전 데이터셋들과 강한 유사성을 보이는 666,000개 이상의 곡 수준 심볼릭 화음 진행을 포함하는 해당 분야 최대 규모의 데이터셋인 Chordonomicon을 제시합니다. 이 데이터셋은 구조적 파트(verse, chorus, bridge 등), 장르, 발매일로 주석이 달려 있습니다. 데이터셋 자체를 넘어, 엄격한 완전 일치(exact-match) 평가 기준 하에 여러 컨텍스트 윈도우(context window) 크기와 데이터 규모에 걸쳐 세 가지 시퀀스 모델링 아키텍처(RNN, GRU, LSTM)를 평가하는 다음 화음 예측을 위한 재현 가능한 벤치마크(benchmark) 스위트를 제안합니다. 실험 결과, 구조적 파트 주석이 예측 성능을 일관되게 향상시키는 것으로 나타났습니다. Chordonomicon은 화음 예측, 분류(classification), 생성 등을 다루는 향후 연구의 공정하고 재현 가능한 비교를 지원하기 위해 분할 방법론, 베이스라인, 평가 프로토콜을 함께 제공하는 공개 벤치마크로 출시됩니다.