論文の概要: Paradigm Shift in Sustainability Disclosure Analysis: Empowering
Stakeholders with CHATREPORT, a Language Model-Based Tool
- arxiv url: http://arxiv.org/abs/2306.15518v2
- Date: Thu, 16 Nov 2023 07:59:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-17 22:32:41.037465
- Title: Paradigm Shift in Sustainability Disclosure Analysis: Empowering
Stakeholders with CHATREPORT, a Language Model-Based Tool
- Title(参考訳): 持続可能性開示分析におけるパラダイムシフト: 言語モデルベースツールCHATREPORTによるステークホルダの活用
- Authors: Jingwei Ni, Julia Bingler, Chiara Colesanti-Senni, Mathias Kraus, Glen
Gostlow, Tobias Schimanski, Dominik Stammbach, Saeid Ashraf Vaghefi, Qian
Wang, Nicolas Webersinke, Tobias Wekhof, Tingyu Yu, Markus Leippold
- Abstract要約: 本稿では,企業サステナビリティレポートの分析を自動化するために,専門知識を持つ大規模言語モデル(LLM)を強化する新たなアプローチを提案する。
当社はCHATREPORTを認定し、企業における気候変動リスクの開示を評価するための第1のユースケースに適用する。
- 参考スコア(独自算出の注目度): 10.653984116770234
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper introduces a novel approach to enhance Large Language Models
(LLMs) with expert knowledge to automate the analysis of corporate
sustainability reports by benchmarking them against the Task Force for
Climate-Related Financial Disclosures (TCFD) recommendations. Corporate
sustainability reports are crucial in assessing organizations' environmental
and social risks and impacts. However, analyzing these reports' vast amounts of
information makes human analysis often too costly. As a result, only a few
entities worldwide have the resources to analyze these reports, which could
lead to a lack of transparency. While AI-powered tools can automatically
analyze the data, they are prone to inaccuracies as they lack domain-specific
expertise. This paper introduces a novel approach to enhance LLMs with expert
knowledge to automate the analysis of corporate sustainability reports. We
christen our tool CHATREPORT, and apply it in a first use case to assess
corporate climate risk disclosures following the TCFD recommendations.
CHATREPORT results from collaborating with experts in climate science, finance,
economic policy, and computer science, demonstrating how domain experts can be
involved in developing AI tools. We make our prompt templates, generated data,
and scores available to the public to encourage transparency.
- Abstract(参考訳): 本稿では,気候関連財務開示タスクフォース(TCFD)の勧告に対して,企業サステナビリティレポートの分析を自動化するために,LLM(Large Language Models)を専門知識で拡張する新たなアプローチを提案する。
企業サステナビリティレポートは、組織の環境や社会的リスクや影響を評価する上で不可欠である。
しかし、これらの報告の膨大な情報を分析することは、しばしば人的分析にコストがかかる。
その結果、これらのレポートを分析するリソースを持つ組織は世界中でごくわずかであり、透明性の欠如につながる可能性がある。
aiを利用するツールは自動的にデータを分析するが、ドメイン固有の専門知識がないため、不正確になる。
本稿では,企業サステナビリティレポートの分析を自動化するための専門家知識によるllm強化手法を提案する。
当社のツールであるCHATREPORTを認定し,TFD勧告に従って企業の気候リスク開示を評価するための第1のユースケースに適用する。
CHATREPORTは、気候科学、金融、経済政策、コンピュータサイエンスの専門家と共同で、ドメインの専門家がAIツールの開発にどのように関与できるかを実証する。
透明性を促進するために、プロンプトテンプレート、生成されたデータ、スコアを公開しています。
関連論文リスト
- Assessing the Potential of AI for Spatially Sensitive Nature-Related Financial Risks [0.0]
本報告では,ブラジル産牛肉供給利用事例と水利用利用事例という,2つの異なるユースケースのモデルに対するAIソリューションの可能性について述べる。
ブラジルの牛の農業用ユースケースは、自然に関する考慮事項を主要な金融決定に組み込む、グリーン化ファイナンスの一例である。
英国における水利事業のユースケースにおける自然ベースのソリューションの展開は、自然に肯定的な結果に投資するグリーン融資の例である。
論文 参考訳(メタデータ) (2024-04-26T12:42:39Z) - A Hypothesis on Good Practices for AI-based Systems for Financial Time
Series Forecasting: Towards Domain-Driven XAI Methods [0.0]
機械学習とディープラーニングは、財務予測や予測タスクでますます普及している。
これらのモデルは透明性と解釈可能性に欠けることが多く、金融のような繊細なドメインでの使用を困難にしている。
本稿では、金融のためのAIベースのシステムに説明可能性を展開するための優れた実践について考察する。
論文 参考訳(メタデータ) (2023-11-13T17:56:45Z) - Glitter or Gold? Deriving Structured Insights from Sustainability
Reports via Large Language Models [16.231171704561714]
本研究では,企業のサステナビリティレポートからESGに関する構造化された洞察を抽出するために,情報抽出(IE)手法を用いる。
次に、グラフに基づく表現を活用して、抽出された洞察に関する統計的分析を行う。
論文 参考訳(メタデータ) (2023-10-09T11:34:41Z) - CHATREPORT: Democratizing Sustainability Disclosure Analysis through
LLM-based Tools [10.653984116770234]
ChatReportは、企業サステナビリティレポートの分析を自動化するLLMベースの新しいシステムである。
提案手法,注釈付きデータセット,および1015件のレポートを公開して分析する。
論文 参考訳(メタデータ) (2023-07-28T18:58:16Z) - Bring Your Own Data! Self-Supervised Evaluation for Large Language
Models [52.15056231665816]
大規模言語モデル(LLM)の自己教師型評価のためのフレームワークを提案する。
閉書知識,毒性,長期文脈依存性を測定するための自己指導型評価戦略を実証する。
自己監督評価と人監督評価との間には強い相関関係が認められた。
論文 参考訳(メタデータ) (2023-06-23T17:59:09Z) - Enabling and Analyzing How to Efficiently Extract Information from
Hybrid Long Documents with LLMs [48.87627426640621]
本研究は,財務報告から重要な情報を理解するために,大規模言語モデルの可能性を活用することに焦点を当てる。
財務報告から情報を理解し抽出するLLMの能力を高める自動財務情報抽出フレームワークを提案する。
本フレームワークは, GPT-3.5とGPT-4で有効に検証され, 平均精度は53.94%, 33.77%向上した。
論文 参考訳(メタデータ) (2023-05-24T10:35:58Z) - sustain.AI: a Recommender System to analyze Sustainability Reports [0.2479153065703935]
sustainAIは、監査人や金融投資家を支援するインテリジェントでコンテキスト対応のレコメンデーションシステムである。
我々は,ドイツの新しいサステナビリティレポートデータセットを2つ評価し,高いレコメンデーション性能を継続的に達成した。
論文 参考訳(メタデータ) (2023-05-15T15:16:19Z) - SmartBook: AI-Assisted Situation Report Generation [52.8904969411152]
本稿では,構造化状況レポートを生成するために,大量のニュースデータを消費するSmartBookを提案する。
We realize SmartBook for the Ukraine-Russia crisis by automatically generation intelligence analysis reports。
提案するフレームワークは,手作業によるアナリストの質問よりも,リアルタイムなイベント関連戦略的質問を自動的に検出する。
論文 参考訳(メタデータ) (2023-03-25T03:03:00Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳(メタデータ) (2021-09-01T00:08:14Z) - Explainable Patterns: Going from Findings to Insights to Support Data
Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。
ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文 参考訳(メタデータ) (2021-01-19T16:13:44Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳(メタデータ) (2020-11-03T21:22:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。