Neuro-Symbolic Compliance: Integrating LLMs and SMT Solver for Automated Financial Legal Analysis

財務法規日趨複雜，阻礙了自動化合規性——尤其是在最少人工監督的情況下維持邏輯一致性。我們引入了神經符號合規框架，整合大型語言模型(LLM)與滿足性模理論(SMT)求解器，以啟用形式可驗證性和基於優化的合規性糾正。LLM 解釋法定法規和執法案例以生成 SMT 約束，而求解器強制一致性並計算恢復合法性時所需的最小事實修改。與面向透明度的方法不同，我們的方法強調邏輯驅動優化，提供可驗證的、法律上一致的推理，而非事後解釋。

在台灣金融監督管理委員會(FSC)的 87 個執法案例上進行評估，該系統在 SMT 代碼生成中達到 86.2% 的準確度，推理效率提高超過 100 倍，並一致地糾正違規——為基於優化的合規應用建立了初步基礎。