Architecting Optimized Legal Corrections: A Neuro-Symbolic Pipeline of Agentic AI Compliance

具有自主推理和工具使用能力的代理 AI 系統對法律合規性和問責制構成了新的挑戰。本論文提出了一個神經符號合規管道，整合大型語言模型(LLM)推理與滿足性模理論(SMT)求解，以執行優化法律糾正——恢復合規性同時保留法定和運營約束的系統性調整。通過多代理架構，系統自動化法律文本解析、約束綜合和求解器引導的自我修復，將 SMT 反饋納入 LLM 提示以進行迭代糾正。

在台灣金融監督管理委員會 479 個金融執法案例上進行評估，該框架達到了 99.79% 的形式驗證率，並展示了神經解釋和符號驗證的互補優勢。雖然獨立的 LLM 達到 72.0% 的可行性準確度和 15.14% 的合規生成成功率，混合方法為可解釋的法律推理提供了可擴展、可驗證的基礎。