Rethinking Legal Compliance Automation: Opportunities with Large Language Models

随着软件密集型系统面临越来越多的法律法规压力，提供自动化的合规性分析支持变得至关重要。尽管需求工程（RE）社区在法律合规性分析方面取得了进展，但是在开发准确且具有普适性的合规自动化解决方案方面仍存在重要障碍。本文强调了当前方法的一些局限性，并探讨了采用利用大型语言模型（LLMs）的新自动化策略如何帮助解决这些缺点并开辟新的机会。具体而言，我们认为对（文本）法律文物的审查应该首先采用比句子更广泛的上下文作为分析单位，这在过去的研究中已被广泛使用。其次，法律文物的分析模式需要从分类和信息提取转向更多的端到端策略，这些策略不仅准确，而且还能够提供解释和证明。我们提出了一种旨在解决这些局限性的合规性分析方法。我们进一步概述了该方法的评估计划，并根据必须符合《通用数据保护条例》（GDPR）的数据处理协议（DPAs）提供了初步的评估结果。我们的初步发现表明，我们的方法在提高准确性的同时，还提供了合规决策的理由。

如何利用大型语言模型（LLMs）提高法律合规性分析的准确性和可解释性？

采用更广泛的上下文和端到端策略，而不是分类和信息提取，来分析法律文本，利用大型语言模型进行自动化合规性分析。

论文提出了一种利用大型语言模型进行自动化合规性分析的方法，并在符合《通用数据保护条例》的数据处理协议（DPAs）上进行了初步评估，结果表明该方法提高了准确性并提供了合规决策的解释。

最近的相关研究包括：《基于机器学习的法律合规性分析综述》、《利用自然语言处理技术进行法律合规性分析》等。