该论文针对越南《个人数据保护法》(第 91/2025/QH15 号) 及第 356/2025/ND-CP 号议定 (2026 年 1 月 1 日生效) 强制要求组织建立并维护《处理活动记录》(RoPA) 这一合规义务展开研究。RoPA 的痛点有两方面：一是人工编制极其耗时耗力，需要从隐私政策、合同、系统文档等异构材料中逐条抽取处理目的、数据类别、数据主体、接收方、保留期限等字段；二是主流云托管大模型方案会把敏感数据送出境外，与数据主权和本地化要求相冲突。为此作者提出 RoPA Manager 系统，采用混合检索增强生成架构：先以 tsvector 上的词法排名做稀疏检索，同时进行稠密向量语义检索，再通过 Reciprocal Rank Fusion (RRF) 融合两路结果，最后交由本地部署的大语言模型完成字段级信息抽取，全程不依赖外部云服务。作者同时构建了一个越南语 RoPA 基准数据集，覆盖 32 个组织、77 项处理活动、12 个字段组和 4,338 个参考值。评估分三个层次报告：(1) 自动评分器在不调用 LLM 的情况下对扰动数据测试，F1 达到 0.9493，95% 置信区间 [0.9436, 0.9548]，作者明确指出这只反映评分器自身的稳健性，而非端到端抽取准确率；(2) 端到端抽取相对参考标签的 token 覆盖率仅为 50.04%-55.25%，说明端到端质量仍有明显提升空间；(3) 两位独立专家复核了 1,558 个参考值 (占基准的 35.9%)，未发现错误值，专家间一致率 99.68%，PABAK 为 0.9936；论文也承认未测量值级别的精确率。在 24GB GPU 上进行的 32 组配对场景对比显示，本地部署的 Qwen3.5-27B-GPTQ-Int4 与云端 DeepSeek-V4-Flash 差异无统计学显著性 (DeepSeek 领先 0.20 个百分点，95% CI [-0.93, 1.32]，p = 0.72)，而 Gemma-4-31B 表现显著更差 (p < 0.01)。该工作为受数据主权约束的隐私合规自动化提供了可复现的基准与本地化方案。