本研究使用基于潜在狄利克雷分配的自动摘要和分析管道，对欧盟 27 个成员国在 2021 年至 2030 年期间制定的 10 年期国家能源和气候计划（NECPs）进行分析，旨在分析政策框架以便实现更好的公民治理和气候政策参与。

Nov, 2022

创造了一个新型工具，ClimateBERT-NetZero，用于自动检测企业、国家和地区的净零排放和减排目标；该工具能够与常规问答模型结合，分析净零排放和减排目标中的抱负，并通过分析季度收益电话转录稿中的沟通模式演变，展示了大规模提取和分析净零排放和减排目标的潜力。

Oct, 2023

本研究旨在评估机器学习技术在恢复政策议程识别中的潜力，引入一种无监督的神经信息检索架构，利用转移学习和词嵌入技术创建段落的高维度表示。通过将政策议程标签重新构建为信息检索查询，采用余弦相似度阈值分类政策，本研究在马拉维、肯尼亚和卢旺达的 31 个政策文件的 14 个政策议程中取得了 0.83 的 F1 分数，证明了自动文本挖掘可以提供可靠、可推广、高效的恢复政策分析。

Aug, 2019

本文提出了在气候和健康领域开发多个领域特定的语言模型，通过捕捉可用的知识来解决各种任务，从而消除气候变化对人类健康的影响。这是第一篇在这些领域考虑开发多个领域特定语言模型的工作，并将所开发的模型、资源和代码库提供给研究人员。

Dec, 2022

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

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

本文提出了 Climate Change Benchmark（ClimaBench），这是一个用于系统评估 CC NLU 任务模型性能的基准收集现有不同数据集的基准。我们从公开可用的环境披露中筛选了两个大规模的标记文本分类和问答数据集，并提供了数据分析。

Jan, 2023

通过训练机器学习模型进行温室气体排放的估算可以帮助投资者符合环保法规措施和实现净零排放的目标。

Sep, 2021

利用自然语言处理技术 (NLP) 对大量的客观科研文章和研究进行分析是理解气候变化的多方面影响在各地的关键，使得我们能够从中提取和处理关于特定地区气候变化影响的关键信息。通过使用 BERT (Bidirectional Encoder Representations from Transformers) 进行命名实体识别 (NER)，我们可以高效地识别气候文献中的具体地理位置，该方法能够为特定地区的气候趋势分析，确定与气候变化有关的主题或关注点，追踪这些问题在时间上的进展，评估其频率、严重程度和潜在发展趋势。利用这种深入分析特定地区气候数据的方法，可以制定更具定制性的决策、适应措施和减轻策略，解决每个地区所面临的独特挑战，并提供基于数据洞察的更有效解决方案。这种方法通过对科学文本的深入探索，为决策者、工程师和环保人士等多方面的利益相关者提供可行的见解。通过主动理解这些影响，社会能够更好地做好准备，明智地分配资源，并设计出针对未来气候条件的量身定制战略，确保更具弹性的未来。

Jan, 2024

该论文讨论了 NLP 研究中使用计算模型所耗费的能量问题，提出了使用气候表现模型卡的可行性，以简化气候报告。

May, 2022