論文の概要: Large language models in climate and sustainability policy: limits and opportunities

• arxiv url: http://arxiv.org/abs/2502.02191v1
• Date: Tue, 04 Feb 2025 10:13:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:01:47.528061
• Title: Large language models in climate and sustainability policy: limits and opportunities
• Title（参考訳）: 気候・持続可能性政策における大規模言語モデル--限界と機会
• Authors: Francesca Larosa, Sergio Hoyas, H. Alberto Conejero, Javier Garcia-Martinez, Francesco Fuso Nerini, Ricardo Vinuesa,
• Abstract要約: 気候・持続可能性文書に異なるNLP技術、ツール、アプローチを適用し、政策関連および行動可能な措置を導出する。 LLMの使用は、異種テキストベースのデータの処理、分類、要約に成功している。 我々の研究は、複雑な政策問題に対するLLMの批判的かつ実証的な基礎的な応用を示し、人工知能を利用した計算社会科学をさらに拡大するための道筋を示唆している。
• 参考スコア（独自算出の注目度）: 1.4843690728082002
• License:
• Abstract: As multiple crises threaten the sustainability of our societies and pose at risk the planetary boundaries, complex challenges require timely, updated, and usable information. Natural-language processing (NLP) tools enhance and expand data collection and processing and knowledge utilization capabilities to support the definition of an inclusive, sustainable future. In this work, we apply different NLP techniques, tools and approaches to climate and sustainability documents to derive policy-relevant and actionable measures. We focus on general and domain-specific large language models (LLMs) using a combination of static and prompt-based methods. We find that the use of LLMs is successful at processing, classifying and summarizing heterogeneous text-based data. However, we also encounter challenges related to human intervention across different workflow stages and knowledge utilization for policy processes. Our work presents a critical but empirically grounded application of LLMs to complex policy problems and suggests avenues to further expand Artificial Intelligence-powered computational social sciences.
• Abstract（参考訳）: 複数の危機が我々の社会の持続可能性を脅かし、惑星の境界線を危険にさらしているため、複雑な課題には時間的、更新され、使用可能な情報が必要である。 自然言語処理(NLP)ツールは、包括的で持続可能な未来の定義をサポートするために、データ収集と処理と知識利用能力を強化し拡張する。 本研究では,異なるNLP手法,ツール,手法を気候・持続可能性文書に適用し,政策関連・行動対応対策を導出する。 静的およびプロンプトベースの手法を組み合わせることで,汎用およびドメイン固有な大規模言語モデル(LLM)に焦点を当てる。 LLMの使用は、異種テキストベースのデータの処理、分類、要約に成功している。 しかし、さまざまなワークフローの段階にわたる人間の介入や、政策プロセスの知識利用に関する課題にも遭遇する。 我々の研究は、複雑な政策問題に対するLLMの批判的かつ実証的な基礎的な応用を示し、人工知能を利用した計算社会科学をさらに拡大するための道筋を提案する。

関連論文リスト

• LLMs for Generalizable Language-Conditioned Policy Learning under Minimal Data Requirements [50.544186914115045]
  本稿では,オフライン言語によるポリシー学習のための新しいトレーニングパイプラインTEDUOを提案する。 TEDUOは、分かりやすい、ラベルなしのデータセットを運用し、いわゆるインザワイルド評価(in-the-wild evaluation)に適している。
  論文  参考訳（メタデータ） (2024-12-09T18:43:56Z)
• Political-LLM: Large Language Models in Political Science [159.95299889946637]
  大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。 政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-12-09T08:47:50Z)
• BloomWise: Enhancing Problem-Solving capabilities of Large Language Models using Bloom's-Taxonomy-Inspired Prompts [59.83547898874152]
  我々は,Bloomの分類にインスパイアされた新しいプロンプト技術であるBloomWiseを導入し,Large Language Models(LLMs)の性能を向上させる。 より洗練された認知スキルを身につける必要性に関する決定は、LLMによる自己評価に基づいている。 4つの一般的な算数推論データセットの広範な実験において,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-10-05T09:27:52Z)
• Knowledge Tagging with Large Language Model based Multi-Agent System [17.53518487546791]
  本稿では,従来のアルゴリズムの限界に対処するマルチエージェントシステムについて検討する。 我々は,従来の手法が抱えていた課題を克服する上で,LLMベースのマルチエージェントシステムの可能性を強調した。
  論文  参考訳（メタデータ） (2024-09-12T21:39:01Z)
• A Comprehensive Review of Multimodal Large Language Models: Performance and Challenges Across Different Tasks [74.52259252807191]
  MLLM(Multimodal Large Language Models)は、単一のモダリティシステムの能力を超えた現実世界のアプリケーションの複雑さに対処する。 本稿では,自然言語,視覚,音声などのマルチモーダルタスクにおけるMLLMの応用を体系的に整理する。
  論文  参考訳（メタデータ） (2024-08-02T15:14:53Z)
• A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
  大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。 我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。 本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
  論文  参考訳（メタデータ） (2024-06-15T16:11:35Z)
• Scalable Language Model with Generalized Continual Learning [58.700439919096155]
  The Joint Adaptive Re-ization (JARe) is integrated with Dynamic Task-related Knowledge Retrieval (DTKR) to enable adapt adjust of language model based on specific downstream task。 提案手法は,様々なバックボーンやベンチマーク上での最先端性能を実証し,最小限の忘れを伴い,フルセットおよび少数ショットのシナリオにおいて効果的な連続学習を実現する。
  論文  参考訳（メタデータ） (2024-04-11T04:22:15Z)
• Context-Aware Composition of Agent Policies by Markov Decision Process Entity Embeddings and Agent Ensembles [1.124711723767572]
  計算エージェントは生命の多くの領域で人間をサポートし、従って異質な文脈で見られる。 サービスを実行し、目標志向の行動を実行するためには、エージェントは事前の知識を必要とする。 異種コンテキストの表現を可能にする新しいシミュレーションベースアプローチを提案する。
  論文  参考訳（メタデータ） (2023-08-28T12:13:36Z)

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。