话语与排放：通过大语言模型分析企业叙事、象征性实践与模仿行为
计算与语言
2025-10-03 v1 人工智能
计算机与社会
机器学习
摘要
气候变化增加了对透明且可比的企业气候披露的需求，但模仿和象征性报告往往削弱其价值。本论文开发了一个多维框架，利用专门针对气候传播进行微调的大语言模型（LLMs），评估828家美国上市公司的披露成熟度。四个分类器——情感、承诺、具体性和目标雄心——从可持续发展报告和年报中提取叙事指标，并将其与企业属性（如排放量、市值和行业）关联。分析揭示了三个洞察：（1）风险聚焦的叙事往往与明确承诺一致，但定量目标（如净零承诺）仍与语气脱钩；（2）规模更大、排放更高的企业比同行披露更多承诺和行动，但与定量目标不一致；（3）披露风格的广泛相似性表明存在模仿行为，降低了差异化和决策效用。这些结果凸显了大语言模型在ESG叙事分析中的价值，以及需要更强有力的监管来将承诺与可验证的转型策略联系起来。
引用
@article{arxiv.2510.01222,
title = {Discourse vs emissions: Analysis of corporate narratives, symbolic practices, and mimicry through LLMs},
author = {Bertrand Kian Hassani and Yacoub Bahini and Rizwan Mushtaq},
journal= {arXiv preprint arXiv:2510.01222},
year = {2025}
}