論文の概要: Climate Change from Large Language Models
- arxiv url: http://arxiv.org/abs/2312.11985v2
- Date: Wed, 20 Dec 2023 05:27:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 12:23:51.104670
- Title: Climate Change from Large Language Models
- Title(参考訳): 大規模言語モデルからの気候変動
- Authors: Hongyin Zhu, Prayag Tiwari
- Abstract要約: 我々は、データ合成と手作業によるコレクションを組み合わせて、多様な質問をコンパイルするハイブリッドなアプローチを採用しています。
これらの質問は、その原因、影響、緩和戦略、適応対策など、気候変動の様々な側面をカバーしている。
次に、収集した質問と生成した回答に基づいて、迅速なエンジニアリングを通じてモデル知識を評価する。
- 参考スコア(独自算出の注目度): 8.494486294323282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Climate change presents significant challenges to the global community, and
it is imperative to raise widespread awareness of the climate crisis and
educate users about low-carbon living. Artificial intelligence, particularly
large language models (LLMs), have emerged as powerful tools in mitigating the
climate crisis, leveraging their extensive knowledge, broad user base, and
natural language interaction capabilities. However, despite the growing body of
research on climate change, there is a lack of comprehensive assessments of
climate crisis knowledge within LLMs. This paper aims to resolve this gap by
proposing an automatic evaluation framework. We employ a hybrid approach to
data acquisition that combines data synthesis and manual collection to compile
a diverse set of questions related to the climate crisis. These questions cover
various aspects of climate change, including its causes, impacts, mitigation
strategies, and adaptation measures. We then evaluate the model knowledge
through prompt engineering based on the collected questions and generated
answers. We propose a set of comprehensive metrics to evaluate the climate
crisis knowledge, incorporating indicators from 10 different perspectives.
Experimental results show that our method is effective in evaluating the
knowledge of LLMs regarding the climate crisis. We evaluate several
state-of-the-art LLMs and find that their knowledge falls short in terms of
timeliness.
- Abstract(参考訳): 気候変動は世界社会に重大な課題をもたらし、気候変動に対する広く認識を高め、低炭素生活をユーザに教育することが不可欠である。
人工知能、特に大規模言語モデル(LLM)は、気候危機を緩和し、その広範な知識、幅広いユーザーベース、自然言語相互作用能力を活用する強力なツールとして登場した。
しかし、気候変動に関する研究の活発化にもかかわらず、LLM内の気候危機知識に関する総合的な評価が欠如している。
本稿では,このギャップを解決するために,自動評価フレームワークを提案する。
我々は、データ合成と手作業による収集を組み合わせて、気候危機に関連するさまざまな質問をまとめるハイブリッドなアプローチを採用している。
これらの質問は、その原因、影響、緩和戦略、適応対策など、気候変動の様々な側面をカバーしている。
次に、収集した質問と生成した回答に基づいて、プロンプトエンジニアリングを通じてモデル知識を評価する。
10の異なる視点から指標を取り入れ,気候危機に関する知識を評価するための総合的な指標セットを提案する。
実験結果から,気候危機に関するLSMの知識を評価する上で,本手法が有効であることが示唆された。
我々は最先端llmをいくつか評価し,その知識が時間軸で不足していることを見いだした。
関連論文リスト
- Analyzing Regional Impacts of Climate Change using Natural Language
Processing Techniques [0.9387233631570752]
我々は、気候学における特定の地理を特定するために、名前付きエンティティ認識(NER)にBERT(Bidirectional Representations from Transformers)を用いる。
地域ごとの気候傾向分析を行い、特定の地域での気候変動に関連する主要なテーマや関心点を特定する。
これらの地域固有の気候データの詳細な調査は、よりカスタマイズされた政策作成、適応、緩和戦略の作成を可能にする。
論文 参考訳(メタデータ) (2024-01-11T16:44:59Z) - Arabic Mini-ClimateGPT : A Climate Change and Sustainability Tailored
Arabic LLM [77.17254959695218]
ChatGPTやBardのような大規模言語モデル(LLM)は、優れた会話能力を示し、幅広いNLPタスクに優れています。
我々は,オープンソースのLLM上に構築され,アラビア語データセットClima500-Instructの対話型命令チューニングに特化して微調整された軽量のアラビア語ミニクリメートGPTを提案する。
本モデルは,ChatGPTによる評価において,88.3%の症例において,ベースラインLLMを上回った。
論文 参考訳(メタデータ) (2023-12-14T22:04:07Z) - Climate Change Impact on Agricultural Land Suitability: An Interpretable
Machine Learning-Based Eurasia Case Study [94.07737890568644]
2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。
気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。
本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
論文 参考訳(メタデータ) (2023-10-24T15:15:28Z) - Assessing Large Language Models on Climate Information [5.224074944044795]
本稿では,科学コミュニケーションの原則を基礎として,大規模言語モデル解析のための総合的な評価フレームワークを提案する。
我々のフレームワークは、LLM世代を詳細に分析する上で、提示と回答の妥当性の両方を強調している。
このタスクは、AIが人間のパフォーマンスを補完し、引き上げることのできる、ますます困難な問題の実例だ。
論文 参考訳(メタデータ) (2023-10-04T16:09:48Z) - AI For Global Climate Cooperation 2023 Competition Proceedings [77.07135605362795]
国際機関が国際気候協定の遵守を保証できない。
RICE-NはAIエージェントを使用した地域意思決定のモデリングをサポートする。
IAMは、これらの決定の気候・経済的な影響を未来にモデル化する。
論文 参考訳(メタデータ) (2023-07-10T20:05:42Z) - AI for Global Climate Cooperation: Modeling Global Climate Negotiations,
Agreements, and Long-Term Cooperation in RICE-N [75.67460895629348]
n個の戦略エージェントによる気候変動緩和に関する長期的な協力は、複雑なゲーム理論の問題を引き起こす。
地球温暖化と経済をシミュレートするマルチリージョン統合アセスメントモデルであるRICE-Nを紹介する。
本稿では,多エージェント強化学習を用いて理性エージェントをRICE-Nで訓練する方法について述べる。
論文 参考訳(メタデータ) (2022-08-15T04:38:06Z) - ClimateGAN: Raising Climate Change Awareness by Generating Images of
Floods [89.61670857155173]
実画像上でのリアルな洪水をシミュレートする手法を提案する。
本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
論文 参考訳(メタデータ) (2021-10-06T15:54:57Z) - Powering Effective Climate Communication with a Climate Knowledge Base [1.951890354110457]
我々は,個人が予測する気候情報を最もモチベーションの高いモチベーションとして提示し,その個人的価値観を考慮し行動を起こすよう促すシステムを構築することを目指している。
このシステムは、気候変動の原因と影響の知識ベース(クライメートKB)と、その個人的価値との関連に依存している。
今後の研究や応用を促進するために、ClimateKBと関連するコードをオープンソース化する予定です。
論文 参考訳(メタデータ) (2021-07-23T17:02:06Z) - NLP for Climate Policy: Creating a Knowledge Platform for Holistic and
Effective Climate Action [2.482368922343792]
本論文では,気候政策研究におけるNLP手法の活用方法について論じる。
NLPと気候政策研究の共生を4つの手法で例示します。
本論文は, 総合的な気候政策の定式化に, 知識プラットフォームの構築が寄与すると主張する。
論文 参考訳(メタデータ) (2021-05-12T12:30:02Z) - CLIMATE-FEVER: A Dataset for Verification of Real-World Climate Claims [4.574830585715129]
気候変動関連クレームを検証するための新しいデータセットであるCLIMATE-FEVERを紹介する。
人工的に設計されたクレームの最大のデータセットであるFEVER [1]の方法論を,インターネットから収集した実生活クレームに適用する。
我々は、textscfeverフレームワーク内での現実世界の気候関連クレームをモデル化する、驚くべき、微妙な複雑さについて論じる。
論文 参考訳(メタデータ) (2020-12-01T16:32:54Z) - 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。