在气候变化面前，公司是否真正采取了实质性的举措来实现更可持续的运营？综合的答案存在于信息密集的企业可持续发展报告中。然而，这些报告的数量和复杂性使得人工分析非常昂贵。因此，全球仅有少数机构具备资源以大规模分析这些报告，导致可持续发展报告缺乏透明度。通过利用基于 LLM 的自动化分析工具，赋予利益相关者权力，可以成为民主化可持续发展报告分析的一种有希望的方法。然而，由于 LLMs 的错觉和将领域专家引入 AI 开发循环的低效性，开发这样的工具具有挑战性。在本文中，我们提出了一种基于 LLM 的新型系统 ChatReport，用于自动化分析企业可持续发展报告，通过 (1) 使答案可追溯以减少错觉的危害，以及 (2) 积极将领域专家纳入开发循环来解决现有挑战。我们公开提供了我们的方法论、注释数据集和对 1015 份报告的生成分析。

Jul, 2023

本文介绍了利用自然语言处理技术构建的问答型模型 ClimateQA，该模型可用于分析财务报告以确定与气候相关的内容，以应对气候变化对全球股市等投资领域的巨大影响。

Nov, 2020

评估大型语言模型对气候变化主题的能力，从科学沟通原则出发，提供一个全面的评估框架，强调 LLM 生成结果的呈现和认识适当性，揭示 LLM 在气候传播领域的潜力和局限性。

Oct, 2023

近十年来，随着投资者对环境、社会和公司治理（ESG）问题日益关注，一些监管机构开始要求上市公司披露非财务信息。本文利用大型语言模型和信息提取技术，从非结构化的多模态文档中提取语义结构化信息，并采用基于图的表示方法进行相关分析，揭示不同行业间的突出可持续行动和公司、部门以及区域层面的相似性和披露模式，最终通过研究发现和其他公司信息，探讨影响公司 ESG 评分最显著的实际因素。

Oct, 2023

这篇论文提出了一个自动评估框架，通过综合指标评估大型语言模型在应对气候危机方面的知识，并发现现有大型语言模型的知识在时效性方面存在不足。

Dec, 2023

该研究介绍了一种在绿色洗白风险方面使用生成标签来训练语言模型的新方法，并在可持续发展报告上进行了对比分析，最终的模型在准确率和 F1 得分上分别达到了 86.34% 和 0.67，展示了在这一任务中的有希望的研究方向。

Oct, 2023

本研究基于最新的想法，将大型语言模型视为能够访问多个包含有关组织，机构和公司的最新和精确信息的代理。研究通过生成一个原型代理来演示了该方法的有效性，该代理可以从 ClimateWatch 检索排放数据并利用 Google 搜索。通过将这些资源与 LLMs 相结合，我们的方法克服了不准确语言的局限性，在气候变化这一关键领域提供了更可靠和准确的信息。这项工作为 LLMs 的未来发展以及它们在需要精确信息的领域中的应用开辟了道路。

Mar, 2023

年度报告包含了上市公司的财务状况，有助于评估其对股票价格的潜在影响。本文利用大型语言模型的能力简化了所有公司年度报告的评估过程，并通过历史股价数据编制了量化模型数据集，使用机器学习模型进行训练，结果显示出对标普 500 指数的良好超额收益。该研究为未来相关工作提供了一个框架，同时开源了相关代码。

Sep, 2023

通过融合 IPCC AR6 的信息，增强 GPT-4，并使用它来回答三个不同的问答场景中的具有挑战性的问题，我们展示了我们的交互式 AI 原型的能力，并证明了我们的方案的有效性。该方法可很容易地扩展到特定领域中的聊天机器人，实现可靠和准确的信息传递。

Apr, 2023

sustain.AI 是一款智能上下文感知推荐系统，通过 BERT-based encoding 技术结合多标签分类头匹配公司可持续性报告中的文本内容来推荐符合全球报告倡议标准（GRI）的法规，实现了显著的推荐性能提升。该工具将会在未来几个月内公开发布。

May, 2023