論文の概要: Chitchat with AI: Understand the supply chain carbon disclosure of companies worldwide through Large Language Model

• arxiv url: http://arxiv.org/abs/2511.00024v1
• Date: Sun, 26 Oct 2025 01:06:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.51792
• Title: Chitchat with AI: Understand the supply chain carbon disclosure of companies worldwide through Large Language Model
• Title（参考訳）: AIによるChitchat:Large Language Modelを通じて世界中の企業のサプライチェーンのカーボン開示を理解する
• Authors: Haotian Hang, Yueyang Shen, Vicky Zhu, Jose Cruz, Michelle Li,
• Abstract要約: Carbon Disclosure Project (CDP) は、世界最大規模の気候関連調査のデータセットをホストしている。 本稿では,大規模言語モデル(LLM)を活用して大規模企業における気候開示品質を評価する,新たな意思決定支援フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.998186654331176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the context of global sustainability mandates, corporate carbon disclosure has emerged as a critical mechanism for aligning business strategy with environmental responsibility. The Carbon Disclosure Project (CDP) hosts the world's largest longitudinal dataset of climate-related survey responses, combining structured indicators with open-ended narratives, but the heterogeneity and free-form nature of these disclosures present significant analytical challenges for benchmarking, compliance monitoring, and investment screening. This paper proposes a novel decision-support framework that leverages large language models (LLMs) to assess corporate climate disclosure quality at scale. It develops a master rubric that harmonizes narrative scoring across 11 years of CDP data (2010-2020), enabling cross-sector and cross-country benchmarking. By integrating rubric-guided scoring with percentile-based normalization, our method identifies temporal trends, strategic alignment patterns, and inconsistencies in disclosure across industries and regions. Results reveal that sectors such as technology and countries like Germany consistently demonstrate higher rubric alignment, while others exhibit volatility or superficial engagement, offering insights that inform key decision-making processes for investors, regulators, and corporate environmental, social, and governance (ESG) strategists. The proposed LLM-based approach transforms unstructured disclosures into quantifiable, interpretable, comparable, and actionable intelligence, advancing the capabilities of AI-enabled decision support systems (DSSs) in the domain of climate governance.
• Abstract（参考訳）: グローバルサステナビリティ管理の文脈において、企業における炭素開示は、ビジネス戦略と環境責任を整合させる重要なメカニズムとして現れている。 Carbon Disclosure Project(CDP)は、構造化された指標とオープンエンドな物語を組み合わせた、世界最大規模の気候関連の調査回答データセットをホストしているが、これらの開示の不均一性と自由な性質は、ベンチマーク、コンプライアンス監視、投資スクリーニングにおいて重要な分析上の課題を示している。 本稿では,大規模言語モデル(LLM)を活用して大規模企業における気候開示品質を評価する,新たな意思決定支援フレームワークを提案する。 11年間のCDPデータ(2010-2020)でナラティブスコアリングを調和させ、クロスセクタとクロスカントリーベンチマークを可能にするマスタールーリックを開発した。 ルーブリック誘導スコアとパーセンタイルに基づく正規化を組み合わせることで,産業・地域間の情報開示における時間的傾向,戦略的アライメントパターン,不整合を明らかにした。 結果は、テクノロジーやドイツのような国のようなセクターは、ボラティリティや表面的な関与を示す一方で、投資家、規制当局、企業環境、社会、ガバナンス(ESG)ストラテジストに重要な意思決定プロセスを伝える洞察を提供する。 提案したLSMベースのアプローチは、構造化されていない開示を定量化、解釈可能、比較可能、行動可能なインテリジェンスに変換し、気候管理の領域におけるAI対応意思決定支援システム(DSS)の能力を向上させる。

関連論文リスト

• From Vision to Validation: A Theory- and Data-Driven Construction of a GCC-Specific AI Adoption Index [0.21485350418225244]
  本研究は、文献レビューの詳細な分析と6つの国家AI戦略(NASs)に基づく理論駆動基盤を用いる。 この研究は、ガルフ協力評議会(GCC)の公共セクターに特化して、新しいAI導入指数を開発し、検証する。 調査結果は、堅牢な技術的インフラストラクチャと明確なポリシが、AI実装の成功に最も大きな影響を与えていることを示している。
  論文  参考訳（メタデータ） (2025-09-05T20:06:57Z)
• A Survey on Post-training of Large Language Models [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• Optimizing Large Language Models for ESG Activity Detection in Financial Texts [0.7373617024876725]
  本稿では,環境活動に関連するテキストを識別する次世代大規模言語モデルについて検討する。 ESG-ActivitiesはEUのESG分類に従って分類された1,325のラベル付きテキストセグメントを含むベンチマークデータセットである。 実験の結果,ESG-Activitiesの微調整は分類精度を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2025-02-28T14:52:25Z)
• LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models [75.89014602596673]
  戦略推論は、戦略を調整しながら、マルチエージェント設定における敵の行動を理解し、予測する必要がある。 大規模言語モデルを用いた戦略的推論に関連するスコープ,アプリケーション,方法論,評価指標について検討する。 戦略的推論を重要な認知能力として重要視し、将来の研究の方向性や潜在的な改善に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-04-01T16:50:54Z)
• CoUDA: Coherence Evaluation via Unified Data Augmentation [49.37157483044349]
  コヒーレンス評価は、談話の組織と構造を評価することを目的としている。 談話構造に関する言語理論から着想を得て,CoUDAというデータ拡張フレームワークを提案する。 233Mパラメータだけで、CoUDAはポイントワイドのスコアリングとペアワイドのランキングタスクの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-03-31T13:19:36Z)
• 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)
• Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
  人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。 本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。 理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
  論文  参考訳（メタデータ） (2022-01-31T20:58:47Z)

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。