面向实际监管合规问答的引用闭环检索与规则级归因
人工智能
2026-05-29 v1
摘要
部署用于监管合规的大语言模型需要通过全面引用实现可追溯性，跨越多层级权威结构。与传统的多跳或法律问答不同，这一任务需要结构化的程序式检索和证据集闭环，而非实体解析或案例法推理。现有 RAG 系统在此方面受限于引用边的平坦化、检索扩张的碎片化以及事后归因的脆弱性。我们提出 RegOps-Bench，这是一个新型基准测试，包含源自复杂国家 R&D 监管的运营知识图谱。为解决这些瓶颈，我们提出 RefWalk，一个以共享话题锚点驱动的统一框架。RefWalk 遍历跨文档引用，通过最大化聚合融合多视图候选，并强制执行规则级归因，以显式映射主张到来源。我们建立了强大的基线，显著提升了检索召回率和引用准确度。最后，针对美国健康合规数据集（HIPAA）进行对比评估，揭示现有系统在平坦结构规则上存在饱和，凸显了 RegOps-Bench 的必要性。我们的代码已公开于 https://github.com/yeongjoonJu/RefWalk。
引用
@article{arxiv.2605.29742,
title = {Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering},
author = {Yeong-Joon Ju and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2605.29742},
year = {2026}
}
备注
Under Review