CF-RAG：用于碳足迹问答的数据集和方法
计算与语言
2025-08-06 v1 人工智能
摘要
产品可持续性报告提供有关产品环境影响的宝贵见解，常以PDF格式分发。这些报告通常包括表格和文本的组合，这会使其分析复杂化。缺乏标准化以及报告格式的差异性进一步恶化了从大量文档中提取和解释相关信息的难度。在本文中，我们聚焦于回答关于碳足迹的问题，这些问题来自PDF格式的可持续性报告。与以往方法不同，我们关注文本从PDF解析中提取的非结构化和不一致性所带来的挑战。为促进此类分析，我们引入CarbonPDF-QA，一个包含1735个产品报告文档问答对的开源数据集，附带人工标注答案。我们的分析显示GPT-4o在面对数据不一致的问题时难以作答。为解决这一局限，我们提出CarbonPDF，这是一种专为此类数据集中的碳足迹问题设计的LLM技术。我们通过我们的训练数据对Llama 3进行微调开发了CarbonPDF。我们的结果表明，该技术超越了当前最先进的技术，包括针对表格和文本数据微调的问答（QA）系统。
引用
@article{arxiv.2508.03489,
title = {CF-RAG: A Dataset and Method for Carbon Footprint QA Using Retrieval-Augmented Generation},
author = {Kaiwen Zhao and Bharathan Balaji and Stephen Lee},
journal= {arXiv preprint arXiv:2508.03489},
year = {2025}
}