RuleChefは、大規模言語モデル（LLM）が持つタスク知識を、人間が編集可能な実行可能ルールへと変換する新しいフレームワークです。Ádám Kovács氏らによって2026年7月1日にarXivへ提出され、論文番号はarXiv:2607.01293、計算と言語（cs.CL）分野に属し、全8ページです。
このフレームワークの中心的な考え方は、テキスト分類、固有表現抽出（NER）、関係抽出といった自然言語処理タスクに対して、タスクの説明と一連のラベル付き例をもとにLLMが実行可能なルールを自動生成するというものです。生成されたルールは固定ではなく、追加の例や既存ルールに対する人間のフィードバックに基づいて反復的に改善されます。さらにRuleChefは、特定タスクにおいて既存の任意のモデルが観測した入力と出力のペアを利用してルールをブートストラップすることもでき、人手による注釈への依存を軽減できます。
注目すべき点は、LLMが学習段階でのみ使用されることです。ルール学習の過程で、LLMはルールを合成し、ホールドアウト分割で測定された失敗に基づいてルールを反復的に修正します。学習が完了すると、最終的なルールシステムは推論時にLLMを必要としないため、高速で決定論的、かつ検査可能であるという特徴を持ちます。これは、推論時にLLMを常時呼び出す方式とは対照的です。
著者らは分類タスクとNERタスクの両方で予備評価を実施しています。要旨には具体的な性能値は示されていませんが、この評価はルール生成フレームワークの代表的な2つの応用シナリオをカバーしています。RuleChefはApache 2.0ライセンスの下でオープンソースとして公開されており、研究者や開発者が再現、利用、さらなる改善を行うことが可能です。
総じてRuleChefは、LLMの生成能力を開発段階に限定し、展開段階では監査可能なルールシステムを用いるという設計思想を提示しています。決定論性、説明可能性、低い推論コストが求められる実応用において潜在的な価値を持ち、LLMとルールシステムの組み合わせに新たな実践的指針を与えるものと言えます。