論文の概要: GHGbench: A Unified Multi-Entity, Multi-Task Benchmark for Carbon Emission Prediction

• arxiv url: http://arxiv.org/abs/2605.13743v1
• Date: Wed, 13 May 2026 16:20:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.173936
• Title: GHGbench: A Unified Multi-Entity, Multi-Task Benchmark for Carbon Emission Prediction
• Title（参考訳）: GHGbench: 二酸化炭素排出量予測のための統一されたマルチエンティティ、マルチタスクベンチマーク
• Authors: Yifan Duan, Siyuan Zheng, Lihuan Li, Chao Xue, Flora Salim,
• Abstract要約: GHGbenchは、企業レベルの温室効果ガス予測のためのオープンデータセットとベンチマークである。 同社のトラックには、Scop 1+2とScop 3の開示を受けた1万2000社以上の企業からの3万2000社以上の企業記録が含まれている。 ビルの線路は、13のオープンソースから1つのスキーマに491,591年の記録を調和させる。
• 参考スコア（独自算出の注目度）: 11.267964107567751
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open datasets and benchmarks for entity-level carbon-emission prediction remain fragmented across access, scale, granularity, and evaluation. We introduce GHGbench, an open dataset and benchmark for company- and building-level greenhouse-gas prediction. The company track contains 32,000+ company-year records from 12,000+ firms with Scope 1+2 and Scope 3 disclosures and financial/sectoral signals; the building track harmonises 491,591 building-year records from 13 open sources into a single schema across 26 metropolitan areas (10 U.S., 15 Australian, 1 Singaporean), with climate covariates and multimodal remote-sensing embeddings. GHGbench defines canonical splits with in-distribution and cross-region/city transfer as primary tasks and temporal hold-out plus short-horizon forecasting as supplementary appendix evidence; headline baselines span gradient-boosted trees, a tabular foundation model, MLP, FT-Transformer, and multimodal fusion, with an LLM panel as auxiliary, all evaluated under multi-seed paired-bootstrap tests. Three benchmark-level findings emerge: (i) building emissions are structurally harder than company emissions; (ii) the in-distribution to out-of-distribution gap dwarfs any within-model gap across both the company track and the building track, and a tabular foundation model is, to our knowledge, the first baseline to open a paired-bootstrap-significant gap over tuned trees on a multi-city building-emissions task; (iii) multimodal remote-sensing embeddings help precisely where tabular generalisation breaks. GHGbench also exposes catastrophic city transfer and the sector-factor lookup ceiling as systematic failure modes. Code and reconstruction recipes are available at GHGbench.
• Abstract（参考訳）: エンティティレベルの炭素放出予測のためのオープンデータセットとベンチマークは、アクセス、スケール、粒度、評価にわたって断片化されている。 我々は、企業レベルの温室効果ガス予測のためのオープンデータセットとベンチマークであるGHGbenchを紹介する。 同社のトラックには、Scope 1+2とScope 3による12,000以上の企業からの32,000以上の企業年次記録と、財務・セクター信号が含まれており、13のオープンソースからの491,591件のビル年次記録は、26大都市圏(米国10、オーストラリア15、シンガポール1)にまたがる単一のスキーマに調和している。 GHGbenchは、分布内およびクロスリージョン/都市間移動を主課題とし、時間的ホールトアウトと短期水平予測を補足的な付録として定義し、ヘッドラインベースラインは、勾配木、表層基礎モデル、MLP、FT-Transformer、マルチモーダル融合にまたがり、LCMパネルを補助として、これらは多種ペアブートストラップテストで評価される。 ベンチマークレベルの調査結果が3つ浮かび上がっている。 一 ビルの排出は、会社の排出より構造的に困難である。 二 会社軌道と建物軌道のモデル内ギャップを解消し、表層基礎モデルにおいて、多都市建築事業における調整木上の一対のブートストラップ重要なギャップを開放する第一基準となること。 三 マルチモーダルリモートセンシング埋め込みは、表の一般化が壊れた場所を正確に知るのに役立ちます。 GHGbenchはまた、壊滅的な都市移転とセクターファクタールックアップ天井を、システマティックな障害モードとして公開している。 コードと再構築のレシピはGHGbenchで公開されている。

関連論文リスト

• Gated Multimodal Learning for Interpretable Property Energy Performance Prediction and Retrofit Scenario Analysis [4.59166421255722]
  本研究では,SAP(Standard Assessment Procedure)エネルギー効率と環境影響(EI)スコアを予測するためのゲート型マルチモーダルモデルを提案する。 ウェストミンスターのケーススタディでは、SAPとEIのスコアはそれぞれ4.03点と4.76点、R2は0.757点と0.748点と予測されている。 全体として、このフレームワークは、適合性スクリーニング、介入優先、ネットゼロの住宅遷移に関するスケーラブルなプロパティレベルの証拠を提供する。
  論文  参考訳（メタデータ） (2026-05-06T16:23:11Z)
• Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
  地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。 本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。 本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。 結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T11:40:39Z)
• FORGE: Fine-grained Multimodal Evaluation for Manufacturing Scenarios [58.34124792457706]
  製造業セクターは、単純な認識から自律的な実行に移行するために、MLLM(Multimodal Large Language Models)をますます採用している。 進捗は、データの不足と、既存のデータセットにおけるきめ細かいドメインセマンティクスの欠如によって妨げられている。 まず、実世界の2D画像と3Dポイントクラウドを組み合わせて、微粒なドメインセマンティクスを付加した高品質なデータセットを構築します。 次に, 3 つの製造課題,すなわち, 構造面検査, 組立検査, 組立検証の18の最先端MLLMを評価し, 大幅な性能差を明らかにした。
  論文  参考訳（メタデータ） (2026-04-08T12:23:27Z)
• A Multi-Agent System for Building-Age Cohort Mapping to Support Urban Energy Planning [0.0]
  建築年齢は、持続可能な都市熱計画とアップグレードの優先順位付けに不可欠である。 異種音源からのデータを融合するマルチエージェントLLMシステムを提案する。 BuildingAgeCNNの全体的な精度は90.69%だが、最小のマクロF1は67.25%である。
  論文  参考訳（メタデータ） (2026-03-18T11:46:54Z)
• Retrieval-Augmented Multi-LLM Ensemble for Industrial Part Specification Extraction [0.0]
  本稿では,9つの最先端大言語モデル(LLM)を編成する検索強化マルチLLMアンサンブルフレームワークを提案する。 RAGsembleは、Gemini (2.0, 2.5, 1.5)、OpenAI (GPT-4o, o4-mini)、Mistral Large、Gemma (1B, 4B, 3n-e4b)などのモデルファミリーの補完的な強みを組み合わせることで、単一モデルシステムの重要な制限に対処する。
  論文  参考訳（メタデータ） (2025-11-08T14:43:20Z)
• Scalable deep fusion of spaceborne lidar and synthetic aperture radar for global forest structural complexity mapping [0.6372261626436676]
  森林構造複雑性メトリクスは、生息環境の品質と生態系の機能を反映した複数の天蓋属性を単一の値に統合する。 本稿では,多モード合成開口レーダ(SAR)データセットを用いたGEDI観測を融合したスケーラブルで深層学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-07T14:29:37Z)
• Learning Discrete Bayesian Networks with Hierarchical Dirichlet Shrinkage [52.914168158222765]
  我々はDBNを学習するための包括的なベイズ的フレームワークについて詳述する。 我々は、並列ランゲヴィン提案を用いてマルコフ連鎖モンテカルロ(MCMC)アルゴリズムを新たに提案し、正確な後続サンプルを生成する。 原発性乳癌検体から予後ネットワーク構造を明らかにするために本手法を適用した。
  論文  参考訳（メタデータ） (2025-09-16T17:24:35Z)
• Loong: Synthesize Long Chain-of-Thoughts at Scale through Verifiers [103.4410890572479]
  スケーラブルな合成データ生成と検証のためのオープンソースのフレームワークであるLoong Projectを紹介します。 LoongBenchは、12のドメインにまたがる8,729の人為的なサンプルを含む、キュレートされたシードデータセットである。 LoongEnvはモジュラー合成データ生成環境であり、新しい質問応答コードのトリプルを生成する複数のプロンプト戦略をサポートする。
  論文  参考訳（メタデータ） (2025-09-03T06:42:40Z)
• A Unified Graph-based Framework for Scalable 3D Tree Reconstruction and Non-Destructive Biomass Estimation from Point Clouds [8.821870725779071]
  森林バイオマス (AGB) の推定は, 炭素貯蔵量の評価と持続可能な森林管理支援に不可欠である。 定量的構造モデル(QSM)は3次元木構造再構成によるAGB推定に対する非破壊的アプローチを提供する。 本研究では,大規模クラウドのエンドツーエンド処理を可能にする新しい統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-18T15:55:47Z)
• Three Steps to Multimodal Trajectory Prediction: Modality Clustering, Classification and Synthesis [54.249502356251085]
  我々は新しい予測フレームワークと共に新しい洞察を示す。 提案手法は、社会情報や地図情報を導入することなく、最先端の作品を超える。
  論文  参考訳（メタデータ） (2021-03-14T06:21:03Z)

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。