计算机科学 > 计算与语言
[提交于 2025年1月3日
]
标题: 碳聊天:基于大型语言模型的企业碳排放分析和气候知识问答系统
标题: CarbonChat: Large Language Model-Based Corporate Carbon Emission Analysis and Climate Knowledge Q&A System
摘要: 随着全球气候变化影响的加剧,企业碳排放已成为全球关注的焦点。 针对大型语言模型中气候变化知识更新滞后、传统增强生成架构在复杂问题上的专业化和准确性不足以及可持续发展报告分析成本高、耗时的问题,本文提出了CarbonChat:基于大型语言模型的企业碳排放分析和气候知识问答系统,旨在实现精确的碳排放分析和政策理解。首先,提出了一种多样化的指标模块构建方法,以处理基于规则和长文本文档的分割以及结构化数据的提取,从而优化关键信息的解析。其次,设计了一种增强的自提示检索-增强生成架构,整合了意图识别、结构化推理链、混合检索和Text2SQL,提高了语义理解和查询转换的效率。接下来,基于温室气体核算框架,建立了14个维度进行碳排放分析,实现了报告摘要、相关性评估和定制化响应。最后,通过多层分块机制、时间戳和幻觉检测功能,确保了分析结果的准确性和可验证性,降低了幻觉率并提高了响应的精度。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.