Core Concepts
大規模言語モデルを活用することで、食品安全規制の要件関連条項の自動分類と規制遵守の自動化が可能となり、正確性、効率性、コスト面での大幅な改善が期待できる。
Abstract
本研究は、食品安全規制の要件関連条項を自動的に分類し、規制遵守を自動化するためのアプローチを提案している。
主な内容は以下の通り:
食品安全規制(カナダのSFCR、FSRGなど)の定性的分析を行い、システムやソフトウェアに関連する概念を特定した。
BERT、GPT-3.5などの大規模言語モデルを活用し、規制条項の自動分類手法を開発した。これにより、従来の手法に比べて高い精度、効率性、コスト面での改善が期待できる。
GPT-3.5、GPT-4、Mixtralなどの大規模言語モデルを用いて、GDPRに基づくデータ処理契約(DPA)の自動遵守チェックを行った。段落レベルの文脈を取り入れることで、文レベルの分析に比べて大幅な精度向上が得られた。
提案手法の時間的・金銭的コストについても評価を行い、実用性の高さを示した。
本研究は、大規模言語モデルの活用により、法的遵守の自動化に大きな可能性を示している。食品安全分野のみならず、他の規制分野への応用も期待できる。
Stats
提案手法のBERTモデルの精度: 精度87%、再現率86%、F値87%
提案手法のGPT-3.5モデルの精度: 精度89%、再現率83%、F値86%
段落レベルの文脈を取り入れることで、DPAの自動遵守チェックの精度が33%から81%に向上
Quotes
"大規模言語モデルを活用することで、食品安全規制の要件関連条項の自動分類と規制遵守の自動化が可能となり、正確性、効率性、コスト面での大幅な改善が期待できる。"
"段落レベルの文脈を取り入れることで、DPAの自動遵守チェックの精度が大幅に向上した。"