本論文は、米国国税庁によると、平均的に米国人が税申告に270ドルと13時間を消費するという点に着目し、複雑な推論と数値計算を必要とする税申告プロセスを自動化するシステムを提案します。従来の大規模言語モデル（LLM）は正確性と監査可能性の点で限界があるため、この論文ではLLMとシンボルソルバーを統合するアプローチを紹介します。 SARAデータセットを使用してシステムのさまざまなバリエーションを評価し、実際の税エラーのペナルティに基づいてシステム構築コストを推定する新しい方法を提示します。また、プレーンテキストルールを形式論理プログラムに変換し、形式的なケース表現のために例をインテリジェントに検索することで、パフォーマンスを向上させ、コストを削減する方法を示します。その結果、神経記号アーキテクチャを活用して、信頼できる税務支援への公正なアクセシビリティを高める可能性と経済的妥当性を実証します。
