规则状态推断(RSI): 用于受规则管控领域合规监控的贝叶斯框架

受规则管控的领域(税务管理、临床方案依从性、环境法规)中的合规监控面临三个结构性障碍：部署时缺乏标记结果、 strategically 遗漏的观察(非合规实体选择性地隐藏证据)，以及规则环境变化快于任何监督模型都能重新训练的速度。我们引入规则状态推断(RSI)，这是一种贝叶斯框架，它颠倒了通常的范式。与通常从数据中学习规则不同，RSI将权威、形式化的规则集作为结构化贝叶斯先验，通过均场变分推断进行推断，该推断采用精确的坐标升降更新。中心建模对象是每个监管时期的联合潜在状态：一个全局合规文化因子eta以及每个规则的激活、人群合规水平和参数漂移的组成部分。RSI提供了三个形式保证：O(n_k + K)每个规则的监管适应性;Bernstein-von Mises一致性用于可识别的连续组件;以及每个迭代中单调的ELBO收敛。我们在托哥利斯财政体系上实现了RSI，该体系基于2000家合成企业的基准，完全的数值验证正在进行中。该框架设计用于直接扩展到顺序RSI，即一种状态空间表述，其中一个监管时期的后验成为下一个时期的先验，yielding an exact Kalman filter for compliance-trajectory tracking and entity-level Bayesian scoring。