SpiderGen：利用生成式人工智能实现碳生命周期评估的程序生成
计算与语言
2026-01-05 v4 计算机与社会
摘要
调查由温室气体排放引起的气候变化和全球变暖的影响一直是全球关注的关键问题。这些排放很大程度上归因于消费品的生产、使用和处置。因此，建立工具来评估消费品的环境影响非常重要，其中关键部分是进行生命周期评估。LCA规定并核算了与产品生产、使用和处置相关的适当过程。我们提出了SpiderGen，一个基于LLM的工作流程，它将传统LCA的分类学和方法论与LLM的推理能力和世界知识相结合，以生成用于LCA的关键程序信息的图形表示，称为产品类别规则过程流程图。我们还通过将SpiderGen的输出与65份真实世界的LCA文件进行比较来评估其输出。我们发现SpiderGen提供了准确的LCA过程信息，这些信息要么完全正确，要么只有轻微错误，在10个样本数据点上达到了65%的F1分数，而一次性提示方法为53%。我们观察到，剩余的错误主要源于LCA文件之间的细节差异，以及必须包含哪些辅助过程的“范围”差异。我们还证明SpiderGen的性能优于几种基线技术，如思维链提示和一次性提示。最后，我们强调了SpiderGen在减少估算碳影响的人力和成本方面的潜力，因为它能够在10分钟内以不到1美元的成本生成LCA过程信息，而现状LCA的成本可能超过25000美元，耗时长达21人天。
引用
@article{arxiv.2511.10684,
title = {SpiderGen: Towards Procedure Generation For Carbon Life Cycle Assessments with Generative AI},
author = {Anupama Sitaraman and Bharathan Balaji and Yuvraj Agarwal},
journal= {arXiv preprint arXiv:2511.10684},
year = {2026}
}