ドイツ中央銀行 (German Central Bank) は2026年6月25日(現地時間)、大規模言語モデル (LLM) を利用した証券の適格性審査に関する初の事例研究を発表しました。長文で半構造化され、ドイツ語と英語が混在する目論見書から、法律および財務基準に基づき担保としての証券の適格性を手作業で確認する作業は、これまで多大なリソースを要していました。本研究で提案されたLLMベースのシステムは、文書レベルの適格性において最大91%の高精度を達成しています。
ドイツ中央銀行は、担保としての証券の適格性を確認する重要な責任を担っています。従来は固有表現認識 (Named Entity Recognition, NER) が情報抽出に用いられてきましたが、OCRノイズ、言語の違い、厳格なスパンベースの制約、および各アノテーションタイプに手作業で注釈付けされた訓練データが必要であるといった課題がありました。
今回の研究では、生成型情報抽出パイプラインへの転換を図り、適格性審査プロセスにLLMを適用しました。このアプローチは、タスクを抽出、正規化、解釈に分解することで、ノイズの多いテキストやドイツ語と英語が混在するコンテンツへの柔軟な対応を可能にします。さらに、位置ベースのメトリクスよりも意味的な評価を提供する「LLM-as-a-judge」を用いた価値ベースの評価手法を導入しました。
その結果、LLMベースのシステムは文書レベルの適格性において最大91%の高精度を示し、誤認 (false acceptance) を最小限に抑える保守的な動作プロファイルを実証しました。この研究は、セルヒイ・ハモツキー (Serhii Hamotskyi) 氏、アカシュ・クマール・ゴータム (Akash Kumar Gautam) 氏、クリスチャン・ヘーニヒ (Christian Hänig) 氏らによって行われ、Proceedings of the 7th Financial Narrative Processing Workshop (FNP 2026) at LREC 2026に掲載されました。
参考: arXiv cs.CL (アーカイブ) — 2026年6月26日 02:29 (JST)