arXiv cs.CL· Serhii Zabolotnii (Cherkasy State Business College, State Scientific Research Institute of Armament,Military Equipment Testing,Certification, Uzhhorod University), Alina Tarasova (PJSC "Finport Technologies Inc.")·· 10 小时前AI 评分25
基于 TRACE 框架的立法草案反腐败审查 AI 助手
An AI Assistant for Automating Anti-Corruption Expertise of Draft Legislation Based on the TRACE Framework
AI 导读
研究者提出基于 TRACE 架构的 AI 助手，用于自动筛查立法草案中的腐败风险，标出专家会批评的条款并指出监管缺陷。团队用乌克兰 NAZK 公开结论构建基准，含 132 份草案、474 条模型提取的发现；在 100 份草案上，本地 Gemma 4 31B 前十条标记匹配 0.28，Sonnet 5.5 为 0.30，全标记 0.43-0.46，冻结盲基线为 0.21。
正文 · AI 翻译
作者：Serhii Zabolotnii（切尔卡瑟国立商业学院、国家武器装备测试与认证科学研究所、乌日霍罗德国立大学），Alina Tarasova（PJSC "Finport Technologies Inc."）
摘要：我们提出了一种基于 TRACE 架构的 AI 助手，用于自动化立法草案的反腐败审查，旨在筛查法案中的腐败风险：精准定位专家会提出批评的条款，并指出每一条款中的监管缺陷。该流水线结合了确定性解析核心、模型引导的单条款定性、基于规则的要素分配以及外部人工监督。为评估该助手，我们基于乌克兰国家反腐败局（NAZK）已发布的结论构建了一个开放基准，包含 132 部法律草案和 474 条由模型提取的发现。当系统标记针对的是兼容条款，且 LLM 评判员将风险评为相同（严格）或部分相同（宽松）时，该标记即与一条发现相符。在 100 部法律草案上，该流水线使用本地 Gemma 4 31B 模型时，在其前十个标记内匹配到 0.28 的发现，使用 Sonnet 5.5 时为 0.30，在所有标记范围内为 0.43-0.46（非盲测；冻结的盲测基线为 0.21，95% CI 0.16-0.26）。在所有运行中，大多数漏检发生在系统已定位但将其定性为不同风险的条款上，且 32 条法律冲突发现无一被匹配。在 21 部未参与调优的法案上，该流水线在严格度量下优于包含完整方法论的单一提示，但在宽松度量下并非如此，且 Opus 5.5 相比 Sonnet 没有额外增益。所报告的分数反映的是与由 LLM 评判员评级的模型提取发现之间的一致性，该评判员的两条访问路径在 74 个标签中有 73 个一致，且未经人类专家验证。
| 评论： | 18 页，3 幅图，8 张表 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.14244 [cs.CL] |
| （或 arXiv:2611.14244v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14244 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Serhii Zabolotnii 博士 [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 15:56:01 UTC（400 KB）
来源：arXiv cs.CL · arxiv.org