GHGbench：用于碳排放预测的统一多实体、多任务基准
机器学习
2026-05-28 v3
摘要
开放的实体级碳排放预测数据集和基准测试在获取、规模、细度和评估方面仍然分散。我们引入GHGbench，一个用于公司级和建筑级温室气体预测的开放数据集和基准测试。公司轨道包含来自12,000多家企业的32,000多条公司-年记录，涵盖范围1+2和范围3披露及财务/行业信号；建筑轨道将来自13个开放来源的491,591条建筑-年记录整合为单一模式，覆盖26个大都市区（10个美国、15个澳大利亚、1个新加坡），并包含气候协变量和多模态遥感嵌入。GHGbench定义了规范划分，包含分布内和跨区域/城市迁移作为主要任务，以及时间持续留档和短期预测作为补充附录证据； headline基线包括梯度提升树、表格基础模型、MLP、FT-Transformer和多模态融合，以及LLM面板作为辅助，全部在多种随机种子下的配对引导置信检验中评估。三个基准水平发现：(i) 建筑排放的结构难度高于公司排放；(ii) 在公司轨道和建筑轨道上，分布内到分布外的差距远大于模型内部的差距，且基于我们所知，表格基础模型是首个在多城市建筑排放任务上显著超过调优树的配对引导置信检验基线；(iii) 多模态遥感嵌入在表格泛化失效时能精确发挥作用。GHGbench还暴露了城市迁移和行业因子查找上限的系统性失效模式。代码和重建配方均可在GHGbench上获取。
引用
@article{arxiv.2605.13743,
title = {GHGbench: A Unified Multi-Entity, Multi-Task Benchmark for Carbon Emission Prediction},
author = {Yifan Duan and Siyuan Zheng and Lihuan Li and Chao Xue and Flora Salim},
journal= {arXiv preprint arXiv:2605.13743},
year = {2026}
}