論文の概要: Toward Explainable and Policy-Aware AI for Carbon Credit Price Prediction: A Research Framework for Emerging Carbon Markets

• arxiv url: http://arxiv.org/abs/2609.01765v1
• Date: Tue, 01 Sep 2026 18:36:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.860318
• Title: Toward Explainable and Policy-Aware AI for Carbon Credit Price Prediction: A Research Framework for Emerging Carbon Markets
• Title（参考訳）: 炭素クレジット価格予測のための説明可能なポリシー対応AIに向けて:炭素市場を開拓するための研究フレームワーク
• Abstract要約: 炭素市場は排出量に価格を付けているが、その価格は予測しにくい。 EPA-CarbonNetは、ポリシー対応の説明と並行して、ポリシーテキストを相互注意と調整間隔で融合する。 結果はおおむね否定的であり、測定値として報告されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Carbon markets put a price on emissions, yet that price remains hard to forecast. Work in this area clusters on the EU and Chinese schemes, compresses regulatory text into a sentiment score, and reports accuracy without calibration or explanation stability. We distil ten recurring gaps into an impact-feasibility matrix and propose EPA-CarbonNet, a six-layer architecture that fuses market series with policy text by cross-attention and calibrated intervals alongside policy-attributed explanations. We then build and test it on eleven years of daily S and P carbon index data. The findings are largely negative, and reported as measured: a random walk beats the model on five-day RMSE (0.0365 against 0.0475), SHAP rankings agree at rho = 0.54 across resampled backgrounds, and policy attention never coincides with documented regulatory events. Directional accuracy, at 58.6 percent, leads every baseline. Code, data documentation and all result artifacts are available at https://github.com/Kimalice/Toward-Explainable-and-Policy-Aware-AI-for-Carbon-Credit-Price-Predictio n
• Abstract（参考訳）: 炭素市場は排出量に価格を付けているが、その価格は予測しにくい。 この領域での作業はEUや中国のスキーム上で行われ、規制文書を感情スコアに圧縮し、校正や説明の安定性なしに正確さを報告します。 インパクト・ファシビリティ・マトリクスに10の繰り返し発生するギャップを排除し、ポリシー対応の説明とともにポリシーテキストとキャリブレーション間隔によるマーケットシリーズを融合する6層アーキテクチャであるEPA-CarbonNetを提案する。 そして、毎日のSとPの炭素指数データを11年間にわたって構築し、テストします。 ランダムウォークは5日間のRMSE(0.0365対0.0475対0.0365対0.0475)でモデルを打ち負かし、SHAPランキングはresamped backgroundsでrho = 0.54と一致し、ポリシーの注意は文書化された規制イベントと一致しない。 方向精度は58.6%であり、全ての基準を導いている。 code, data documentation and all result artifacts are available at https://github.com/Kimalice/Toward-Explainable-and-Policy-AI-for-Carbon-Credit-Price-Prediction

関連論文リスト

• GreenPassport: Request-Level Carbon Accounting for Cross-Border AI Inference [18.84281748075098]
  要求レベルの会計には、サービス、サービスサイト、ルート、ローカルコンパレータ、不確実性、データプロファイナンスといった共通の境界が必要です。 GreenPassport Carbon Accountingは、これらの入力とリクエストを関連付ける。 カーボンのサービスとルートを推定し、利用可能なドキュメントからレポートレベルを選択する。
  論文  参考訳（メタデータ） (2026-09-06T19:00:20Z)
• Green SARC: Predictive Cost and Carbon Governance for Agentic AI Systems [0.0]
  Green SARCは、FinOpsとGreenOpsにSARCガバナンス・バイ・アーキテクチャフレームワークを適用している。 政策に依存しない4つの結果が報告される。
  論文  参考訳（メタデータ） (2026-06-14T18:26:43Z)
• Training-Free Probabilistic Time-Series Forecasting with Conformal Seasonal Pools [0.0]
  コンフォーマル・シーズン・プール(Conformal Seasonal Pools)は、訓練のない確率的時系列予測装置である。 CSPは、学習されたパラメータやトレーニングなしで、これらすべてを達成する。
  論文  参考訳（メタデータ） (2026-05-05T14:16:35Z)
• Hugging Carbon: Quantifying the Training Carbon Emissions of AI Models at Scale [24.552090932103294]
  Hugging Face (HF) は、炭素会計のための大規模で、一般公開され、監査可能なコーパスである。 我々は,HFオープンソースモデルの集合的トレーニングエミッションを推定するFLOPsベースのフレームワークを提案する。 我々の結果は、最も人気のあるオープンソースモデルのトレーニングの結果、約5.8タイムs104$の二酸化炭素排出量が得られたことを示している。
  論文  参考訳（メタデータ） (2026-05-02T17:32:56Z)
• FIPO: Eliciting Deep Reasoning with Future-KL Influenced Policy Optimization [84.58281577727566]
  本稿では,大規模言語モデルにおける推論ボトルネックを克服する強化学習アルゴリズムであるFuture-KL Influenced Policy Optimization (FIPO)を提案する。 FIPOは、割引先KLの分岐をポリシー更新に組み込むことでこの問題に対処し、その後の軌道行動への影響に基づいてトークンを再重み付けする密集した有利な定式化を作成する。 Qwen2.5-32Bで評価され、FIPOは平均チェーン長を約4,000から10,000以上のトークンに拡張し、AIME 2024 Pass@1の精度を50.0%から58.0%に向上させた。
  論文  参考訳（メタデータ） (2026-03-20T10:24:50Z)
• $V_{0.5}$: Generalist Value Model as a Prior for Sparse RL Rollouts [81.48669089692189]
  一般値モデル(例えば$V_0.5$)は、コンテキスト内のモデル機能を明示的にエンコードすることで、事前訓練された値推定を実現する。 本稿では,このような値モデルにより予測されるベースラインと,スパースロールアウトから導出される経験的平均とを適応的に融合する$V_0.5$を提案する。 V_0.5$はGRPOとDAPOを大きく上回り、より高速な収束と約10%のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2026-03-11T14:57:41Z)
• See Less, Drive Better: Generalizable End-to-End Autonomous Driving via Foundation Models Stochastic Patch Selection [51.59559387222532]
  エンドツーエンド自動運転の最近の進歩は、パッチアライメント機能で訓練されたポリシーが、アウト・オブ・ディストリビューション(OOD)よりも一般化していることを示している。 我々は、より堅牢で、一般化可能で、効率的な学習ポリシーのためのシンプルで効果的なアプローチである2.4-Patch-Selection(SPS)を提案する。
  論文  参考訳（メタデータ） (2026-01-15T18:58:33Z)
• Effective climate policies for major emission reductions of ozone precursors: Global evidence from two decades [13.609484778909335]
  構造的破壊検出と機械学習を使用して、建物、電気、産業、輸送部門を横断する効果的な介入を特定します。 我々はNOtextsubscriptx, CO, VOCsの78, 77, 78の構造破壊をそれぞれ0.96-0.97 Gt, 2.84-2.88 Gt, 0.47-0.48 Gtの累積放射削減に対応して検出した。
  論文  参考訳（メタデータ） (2025-05-20T02:20:36Z)
• Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
  炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。 階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
  論文  参考訳（メタデータ） (2024-06-12T05:08:51Z)
• Self-Evaluation Guided Beam Search for Reasoning [61.523627290397556]
  我々は,Large Language Model (LLM) の推論プロセスのガイドと校正を行うための段階的自己評価機構を導入する。 本稿では,ビームサーチによる自己評価ガイダンスを統合した復号アルゴリズムを提案する。 我々のアプローチは、GSM8K、AQuA、StrategyQAにおいて、対応するCodexバックボンドベースラインをわずかに精度6.34%、9.56%、および5.46%で上回る。
  論文  参考訳（メタデータ） (2023-05-01T02:37:59Z)
• Conformal Off-Policy Evaluation in Markov Decision Processes [53.786439742572995]
  強化学習は、データから効率的な制御ポリシーを特定し評価することを目的としている。 この学習タスクのほとんどの方法は、Off-Policy Evaluation (OPE)と呼ばれ、正確さと確実性を保証するものではない。 本稿では,目標方針の真報を含む区間を所定の確信度で出力するコンフォーマル予測に基づく新しいOPE手法を提案する。
  論文  参考訳（メタデータ） (2023-04-05T16:45:11Z)
• (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach for Climate Finance and Risk Assessment [64.83786252406105]
  Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。 炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。 組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
  論文  参考訳（メタデータ） (2022-05-02T06:02:13Z)
• A hybrid deep learning approach for purchasing strategy of carbon emission rights -- Based on Shanghai pilot market [0.0]
  本稿では,企業を対象とした二酸化炭素購入戦略を策定し,二酸化炭素価格予測モデルを確立することを目的とする。 一般化自己回帰ヘテロスケダスティック(GARCH)をゲートリカレントユニット(GRU)モデルに組み込んだハイブリッドディープラーニングモデルを構築した。 シミュレーションでは,GARCH-GRUモデルに基づく購入戦略を最小コストで実行した。
  論文  参考訳（メタデータ） (2022-01-24T03:10:01Z)

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。