<< TOPへ
Leveraging Graph-RAG and Prompt Engineering to Enhance LLM-Based Automated Requirement Traceability and Compliance Checks
起（導入）
ソフトウェア開発において、ソフトウェア要件仕様書（SRS）が組織や国の高レベルな要求と整合性を持つことは非常に重要です。特に金融や航空宇宙のような規制の厳しい環境では、要件の不整合が重大な問題を引き起こす可能性があります。そこで、私たちは大規模言語モデル（LLM）を活用し、この問題を解決する手法を探求しました。
承（背景）
近年、LLMは自然言語処理の分野で急速に進化していますが、特に要件のトレーサビリティやコンプライアンスチェックにおいては、情報の取得や推論能力に改善の余地があります。私たちの研究では、Graph-RAGという新しいフレームワークとプロンプトエンジニアリング技術を組み合わせることで、これらの問題に取り組みました。
転（方法と結果）
Graph-RAGは、関連する情報を正確に取得するためにグラフ構造を用い、Chain of Thought（CoT）やTree of Thought（ToT）といった先進的なプロンプト技術を利用して推論能力を強化します。このアプローチにより、従来の方法に比べて要件が高レベルの要求に適合しているかどうかをより正確に判断することができました。実際に、イランのオンラインブローカーアプリケーションやNASAのX-38プロジェクトのSRS文書に対して実験を行い、従来の手法よりも高い精度を達成しました。
結（結論と新規性）
この研究の新規性は、Graph-RAGによる情報取得の精度向上と、プロンプト技術による推論能力の強化を組み合わせた点にあります。面白く言えば、私たちの手法はまるで「AIが賢い探偵」になり、複雑な規制の迷路をすり抜けて、重要な証拠（情報）を見つけ出し、最終的に「この要件は合格です！」と自信を持って言えるようにするものです。これにより、ソフトウェア開発のリスクを大幅に減少させることが期待されます。
