arXiv cs.AI· Yiyang Luo, Yihang Jiang, Qijun Xie, Liang Lan, Lin Willian Cong, Anyi Rao, Yunya Song·· 3 天前AI 评分31
ReguSim：评估 LLM 智能体在金融合规中的规则落地能力
ReguSim: Evaluating LLM Agent Rule Grounding in Financial Compliance
AI 导读
研究者推出 ReguSim 金融合规环境和 ReguBench 目标标记监测基准，用于区分陈述推理、尝试动作、执行约束与监测证据四个环节。在 DeepSeek V4 Pro 和 Gemini 3.5 Flash 的交易智能体测试中，可见规则能减少但无法消除被拒动作，激励或人设设定会改变行为。监测环节中，简单结构化基线可持平或超过仅用提示词的 LLM。
正文 · AI 翻译
摘要：金融市场中的 LLM 智能体可能引用规则，却仍提交违反可执行约束的订单，或误读监控证据。我们引入 ReguSim——一个受控的金融合规环境，以及 ReguBench——一个带目标标记的监控基准，以区分四种产物：陈述性推理、尝试性操作、执行强制和监控证据。在使用 DeepSeek V4 Pro 和 Gemini 3.5 Flash 的交易员运行中，可见规则减少但并未消除被拒绝的操作，而激励或人设框架会改变行为。一项桥接研究表明，除非展示执行证据，否则交易员的理由可能误导独立监控者。在监控中，简单的结构化基线要么与仅提示的 LLM 持平，要么超过它们。这些结果将金融合规评估框定为对基于规则的操作和证据使用的审计，而非单一的合规分数。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.19974 [cs.AI] |
| （或 arXiv:2608.19974v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.19974 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Yiyang Luo [查看邮箱]
[v1]
2026年8月20日星期四 12:49:05 UTC（382 KB）
[v2]
2026年10月12日星期一 07:03:25 UTC（375 KB）
来源：arXiv cs.AI · arxiv.org