論文の概要: Auditable Climate Risk Intelligence from Fragmented ESG Data: Deterministic Orchestration and Imbalance-Aware Learning for Scope 1-3 Validation

• arxiv url: http://arxiv.org/abs/2606.02604v1
• Date: Sat, 23 May 2026 13:33:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-07 20:42:22.584021
• Title: Auditable Climate Risk Intelligence from Fragmented ESG Data: Deterministic Orchestration and Imbalance-Aware Learning for Scope 1-3 Validation
• Title（参考訳）: フラグメンテッドESGデータからの予測可能な気候リスクインテリジェンス:スコープ1-3検証のための決定論的オーケストレーションと不均衡学習
• Authors: Karan Sehgal, Khawar Naveed Bhatti,
• Abstract要約: ESGと気候リスクデータは、異質のスコープ1、スコープ2、スコープ3の報告環境で断片化されている。 本稿では, 真理オーケストレーション, 時間的異常検出, 不均衡を考慮したアンサンブル学習, 説明可能性指向ガバナンスを統合した決定論的気候リスクインテリジェンス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）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ESG and climate risk data remain fragmented across heterogeneous Scope 1, Scope 2, and Scope 3 reporting environments, while conventional validation pipelines lack provenance aware auditability, hidden drift detection, and reproducibility oriented governance. This paper proposes a deterministic climate risk intelligence framework integrating single source of truth orchestration, temporal anomaly detection, imbalance aware ensemble learning, and explainability oriented governance for auditable ESG validation. To support open reproducibility, we construct and release a synthetic ESG validation benchmark calibrated against publicly reported characteristics of the GHG Protocol, PCAF, and ISSB standards. The methodology incorporates temporal drift analysis, SMOTE based rare event optimization, ensemble learning, provenance aware orchestration, and TreeSHAP based interpretability for governance inspection and audit reconstruction. We evaluate the framework against statistical classifiers, anomaly detection methods, temporal forecasting baselines, and a threshold based system using classification metrics (recall, F1, ROC AUC), calibration metrics (ECE, Brier score), and a governance oriented audit trace completeness metric measuring the fraction of flagged anomalies for which a deterministic source to escalation provenance chain can be reconstructed. Results are reported as mean and standard deviation across stratified five fold cross validation with paired significance testing. The framework reframes ESG reporting toward deterministic climate risk governance infrastructure supporting reproducibility, explainability, and operational auditability.
• Abstract（参考訳）: ESGと気候リスクデータは、異種スコープ1、スコープ2、スコープ3のレポート環境で断片化されているが、従来の検証パイプラインには、監査性、隠れドリフト検出、再現性指向のガバナンスが欠如している。 本稿では,1つの真理オーケストレーション,時間的異常検出,アンサンブル学習の不均衡,監査可能なESG検証のための説明可能性指向ガバナンスを統合した決定論的気候リスクインテリジェンスフレームワークを提案する。 オープンな再現性をサポートするため,GHGプロトコル,PCAF,ISSB規格の公開特性に対して校正された合成ESG検証ベンチマークを構築し,リリースする。 この手法には、時間的ドリフト分析、SMOTEベースのレアイベント最適化、アンサンブル学習、前向きなオーケストレーション、ガバナンス検査と監査再構築のためのTreeSHAPベースの解釈可能性が含まれる。 分類基準(リコール, F1, ROC AUC)、校正基準(ECE, Brier score)、および規制指向の監査トレース完全度測定値(英語版)を用いた統計分類器, 異常検出方法, 時間的予測ベースライン, しきい値ベースシステムに対するフレームワークの評価を行った。 その結果, 有意検定を併用した5重交叉検定における平均偏差と標準偏差が報告された。 このフレームワークは、再現性、説明可能性、運用監査性をサポートする決定論的気候リスクガバナンス基盤に向けたESGレポートを再編成する。

関連論文リスト

• A Posterior-Predictive Variance Decomposition for Epistemic and Aleatoric Uncertainty in Wind Power Forecasting [3.68407754316989]
  本稿では,ニューラルネットワーク回帰とベイズ後部近似のジョイントセッティングに全変動の法則を適用した。 地中不確実性ラベルへのアクセスを必要とせず, 風力特性評価フレームワークを提案する。 合成および実世界の実験全体において、分解されたAUとEUのコンポーネントは理論的に一貫した方向に応答する。
  論文  参考訳（メタデータ） (2026-05-21T12:23:14Z)
• Discovery of Hidden Miscalibration Regimes [52.452902154360565]
  モデルは何らかの入力を体系的に過信し、他人を過信することがある。 対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。 提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
  論文  参考訳（メタデータ） (2026-05-13T13:07:50Z)
• Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
  EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。 EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。 最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-04-17T13:27:11Z)
• K$α$LOS finds Consensus: A Meta-Algorithm for Evaluating Inter-Annotator Agreement in Complex Vision Tasks [4.297070083645049]
  本稿では,「ローカライゼーションファースト」の原理を一般化した統一メタアルゴリズムであるK$LOSを提案する。 合意を査定する前に空間対応を解消することにより,複雑な分類問題を名目上の信頼性に変換する。
  論文  参考訳（メタデータ） (2026-03-28T08:54:05Z)
• Adoption and Effectiveness of AI-Based Anomaly Detection for Cross Provider Health Data Exchange [0.0]
  本研究は,説明可能性と継続的監視によって支援された,優先順位付けのためのカバレッジルールと機械学習を組み合わせた,段階的なデプロイメント戦略を提案する。 その結果、ルールベースの手法は高いリコールを実現するが、高い警告量を生成する一方、分離林は低感度で警報負担を軽減していることがわかった。
  論文  参考訳（メタデータ） (2026-03-19T15:22:02Z)
• ERA: Evidence-based Reliability Alignment for Honest Retrieval-Augmented Generation [19.616905640490252]
  本稿ではERA(Evidence-based Reliability Alignment)と呼ばれる新しいフレームワークを提案する。 提案手法は, 解答カバレッジと棄却のトレードオフを最適化し, 校正精度を向上し, ベースラインを著しく向上させる。
  論文  参考訳（メタデータ） (2026-02-24T01:45:51Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。