面向气候金融的AI：用于预警系统投资的智能体检索与多步推理
计算与语言
2025-05-29 v2
摘要
追踪气候适应领域的金融投资是一项复杂且高度依赖专业知识的任务，特别是对于预警系统而言，多边开发银行和基金之间缺乏标准化的财务报告。为了应对这一挑战，我们引入了一个基于LLM的智能体AI系统，该系统集成了上下文检索、微调与多步推理，以提取相关财务数据、对投资进行分类，并确保符合资助指南。我们的研究聚焦于一个真实世界应用：追踪CREWS基金中的EWS投资。我们分析了25份MDB项目文档，并评估了多种AI驱动的分类方法，包括零样本与少样本学习、微调的基于Transformer的分类器、思维链提示以及基于智能体的检索增强生成（RAG）方法。我们的结果表明，基于智能体的RAG方法显著优于其他方法，达到了87%的准确率、89%的精确率和83%的召回率。此外，我们贡献了一个基准数据集和专家标注语料库，为未来AI驱动的金融追踪与气候金融透明度研究提供了宝贵资源。
引用
@article{arxiv.2504.05104,
title = {AI for Climate Finance: Agentic Retrieval and Multi-Step Reasoning for Early Warning System Investments},
author = {Saeid Ario Vaghefi and Aymane Hachcham and Veronica Grasso and Jiska Manicus and Nakiete Msemo and Chiara Colesanti Senni and Markus Leippold},
journal= {arXiv preprint arXiv:2504.05104},
year = {2025}
}