💬 NLP

Scope3Trace: Evidence-Based Identification and Extraction of Scope 3 GHG Emissions from Sustainability Reports

本文介绍了 Scope3Trace，这是一个基于证据的框架，它结合了文档处理、大语言模型（LLM）辅助定位以及规则-大语言模型混合提取技术，旨在可靠且透明地从异构可持续发展报告中识别并提取范围 3 温室气体（GHG）排放量，并随之附带了一个全新的双层多模态数据集。

原作者： Siyuan Zheng, Yifan Duan, Chao Xue, Flora D. Salim

发布于 2026-07-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Siyuan Zheng, Yifan Duan, Chao Xue, Flora D. Salim

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你正在试图解开一个巨大的全球性谜题：弄清楚地球上每一家公司究竟对碳污染负有多少责任。这不仅仅是指它们自己烟囱里排出的烟雾；这还涉及到由它们购买、销售和运输的一切事物所产生的无形污染云。在气候科学领域，这团巨大的云被称为“范围3”（Scope 3）排放。你可以把“范围1”和“范围2”想象成你在眼前能直接看到的烟雾——比如工厂自己的烟囱或其照明用电账单。但“范围3”是“机器中的幽灵”。它是建造工厂所用的钢材、运送产品的卡车，甚至包括客户丢弃的废弃物所产生的污染。

问题在于，虽然公司在报告自身的烟雾方面做得越来越好，但在报告这种幽灵般的“范围3”云团方面却表现得很糟糕。它们的报告杂乱无章、散落在数以千计不同的 PDF 文档中，使用着令人困惑的语言，并且经常隐藏在复杂的表格之中。这就像是在试图从一个由其他干草堆组成的干草堆中寻找一根特定的针，而这些针是用隐形墨水制成的。科学家和监管机构对此深感忧虑，因为如果你无法准确测量一个问题，你就无法解决它。如果我们无法追踪这些隐藏的排放，我们就无法知道这些公司是真的在帮助地球，还是仅仅在装样子。

于是有了 Scope3Trace，一支旨在追踪这些隐藏数字的新型数字侦探团队。研究人员构建了一个智能系统，它就像是一个超级图书管理员与法务会计的结合体。他们并没有雇佣一个团队去阅读数百万页的文件（那将耗费大量时间并花费巨资），而是创建了一个自动化流水线，利用人工智能（AI）来承担繁重的工作。但巧妙之处在于：他们并没有让 AI 仅仅靠猜测。他们构建了一个“基于规则”的安全网。AI 阅读文档，找到数字，然后通过一套严格的规则来检查数学计算和上下文，以确保 AI 没有产生混淆。

该系统以三个主要步骤运作，就像一台运转良好的机器。首先，它抓取 PDF 报告并将其转化为可读文本，即使是扫描图像也不例外。其次，它使用智能 AI 来寻找提及排放量的确切页面和表格，忽略掉那些无聊的废话。第三，它重建混乱的表格并提取出“范围1”、“范围2”和“范围3”的具体数字。至关重要的一点是，对于它提取的每一个数字，系统都会抓取一张“收据”——即证明该数字来源的原始文本片段。这意味着你始终可以将一个数字追溯到它的源头，就像在商店里核对收据一样。

结果令人印象深刻。当研究人员使用一组经过人工仔细核查的“金标准”数据对他们的系统进行测试时，Scope3Trace 几乎每次都能做对，得分接近完美的 0.99（满分 1.0）。这明显优于仅使用原始 AI 模型或简单的基于规则的工具。该团队还利用这个系统构建了一个庞大的新数据集，名为 Scope3Trace，其中包含了来自澳大利亚和欧洲各国的超过 54,000 条建筑级数据和组织级报告记录。他们发现，虽然公司会报告其总排放量，但很少将其按特定建筑进行细分。事实上，在其新数据集中，只有大约 3% 的建筑级数据是由公司直接报告的；其余部分必须通过公共能源数据和精妙的数学计算来进行仔细估算，但系统会追踪哪些数字是“报告的”，哪些是“估算的”，以免造成混淆。

论文还测试了这种新数据是否可以用于预测未来的排放量。他们将数据输入到一个模型中，该模型观察建筑细节，甚至包括建筑物的卫星照片。该模型学习到，将文本数据与卫星图像相结合可以获得最佳的预测效果，这表明建筑从太空呈现的样子蕴含着关于其产生多少污染的线索。然而，作者也谨慎地指出，这并不是一根魔杖。该系统在公共数据存在的地区（如澳大利亚和欧洲部分地区）效果最好，而在数据缺失的地方则表现挣扎。他们明确表示，他们的估算不能取代官方的、经过审计的报告，而是一种透明的方式来填补空白，以便我们能看到更宏观的全貌。

简而言之，Scope3Trace 并不能一夜之间解决企业污染之谜，但它为我们导航这片迷雾提供了迄今为止最好的地图。它证明了通过将智能 AI 与严格的规则和清晰的证据相结合，我们可以将混乱的 PDF 山峦转化为清晰、可靠的数据集。这使得研究人员、投资者和政策制定者终于能够看到“范围3”排放的“幽灵”，理解其来源，并开始基于真实的证据而非猜测来做出决策。

技术摘要：Scope3Trace

问题陈述

范围 3（Scope 3）温室气体（GHG）排放量构成了企业碳足迹的大部分，但仍难以进行大规模分析。目前的挑战包括披露信息稀疏、报告格式异构（扫描版 PDF、混合布局）以及缺乏统一的结构化数据集。现有方法通常依赖大语言模型（LLM）进行提取，但往往面临两个关键局限性：

缺乏证据溯源： 提取的数值往往缺乏与源文本的显式链接，导致验证困难并增加了幻觉风险。
依赖人工验证： 许多流程依赖于成本高昂、耗时的专家人工标注来确保可靠性，从而阻碍了可扩展性。
抽象化估算： 其他基于估算的方法通常从行业因子和支出数据中推断排放量，这脱离了组织或资产层面的特征，且在报告边界方面提供的透明度有限。

因此，范围 3 数据仍然难以解释、验证和用于决策支持。

方法论：Scope3Trace 框架

作者提出了 Scope3Trace，这是一个旨在处理异构 ESG 和可持续发展报告的证据溯源信息提取框架。该系统采用了一个由三个专业智能体（Search、Scope 和 Verify）编排的模块化多智能体流水线。

1. 流水线架构

工作流通过四个不同的阶段进行，结合了基于规则的确定性与受限的 LLM 语义理解：

数据获取与解析： Search Agent 收集公开的 PDF 报告，并使用 OCR 将其转换为结构化文本。它执行页面级定位，以识别包含范围 1–3 披露信息的章节，用语义理解取代了通用的页面定位。
表格重建与提取： 系统使用 LLM 辅助的表格解释技术重建表格披露内容。系统采用了混合规则–LLM 设计：LLM 处理语义任务（定位、表格结构识别），而基于规则的组件处理确定性任务，如数值解析、单位归一化、类别映射以及针对 OCR 文本的证据验证。
资产清单与对齐： Scope Agent 通过将公开注册表（如 NABERS、NGER）与报告中提到的实体进行关联，编制建筑资产清单。它使用语义模型解决歧义（例如，同义建筑名称），并将资产标识符与组织披露进行对齐。
验证与诊断： Verify Agent 执行跨层级对齐。它利用语义相似度验证资产数据与组织披露的相关性。至关重要的是，它区分了直接报告值（逐字提取）和估算值（通过使用活动数据和排放因子的确定性公式推导得出）。

2. 双层数据表示

该框架构建了一个双层数据集：

组织层面： 记录对应于一个组织和一个报告年度，包含总范围 1–3 排放量、类别级细分、报告边界和审计状态。每个数值都配有一段来自原始报告的文本片段（证据溯源）。
建筑层面： 记录对应于单个建筑，记录物理属性、地理坐标和运营指标。该层集成了多模态数据（卫星图像）和语义元数据。

3. 证据溯源策略

核心设计原则是：每一个提取的数值都必须链接到其源文本跨度。系统不依赖于推测性推理；相反，它使用 LLM 执行受限的语义任务，同时将逻辑（解析、归一化、证据检查）委托给基于规则的组件。这确保了推导出的数值被透明地标记为“建模”或“估算”，而非“报告”。

核心贡献

证据溯源提取框架： 一种整合了 PDF 收集、OCR 解析、LLM 辅助定位/表格重建以及混合规则–LLM 提取的新型流水线。它明确地将提取的排放数值与支持性的文本证据相链接。
双层、多模态数据集： 构建了 Scope3Trace 数据集，该数据集包含组织层面的披露和建筑层面的资产记录。它是首批针对范围 3 排放量创建的多模态、证据溯源数据集之一，涵盖了异构的报告格式。
可追溯且可验证的提取： 该系统能够实现组织级和建筑级范围排放的高精度提取，并提供了关于数据来源（报告值 vs. 估算值）和报告边界的透明度。

结果

系统在涵盖范围 1/2/3 总量、类别及页面级证据的人工标注金标准集上进行了评估。

性能： Scope3Trace 取得了近乎完美的表现，显著优于基于规则的基准模型、独立的 LLM（无论是分块处理还是单次调用）、检索增强生成（RAG）流水线以及其他多智能体框架（如 AutoGen、CrewAI）。
- 范围 3 F1 值： 0.99（对比表现最好的基准模型为 0.88）。
- 类别 F1 值： 0.97（对比表现最好的基准模型为 0.78）。
- 精确匹配 (EM)： 0.96。
消融实验： 移除关键组件（特别是表格重建和证据溯源）会导致性能大幅下降。页面定位主要影响效率而非准确性。
模型鲁棒性： 系统的性能在不同 LLM 后端（GPT-4o, Gemini-2.0, DeepSeek-V3）之间保持稳定，表明当确定性逻辑被卸载到规则组件时，该任务的语义部分对模型选择具有鲁棒性。
下游效用： 在使用多模态输入（元数据 + 卫星图像）进行建筑级范围 3 预测的任务中，多模态 MLP 实现的 $R^2$ 在总范围 3 预测中为 0.46，在类别级预测中为 0.54，优于单模态基准模型。

意义与主张

论文声称 Scope3Trace 通过提供一种透明、可解释且具备覆盖范围感知能力的方法，解决了分析范围 3 排放的关键空白。

透明度： 通过区分报告值与估算值并提供显式的证据链接，该框架允许用户理解数据的假设和局限性。
可扩展性： 混合方法减少了对人工标注的依赖，从而实现了对异构报告的大规模处理。
业务化应用： 该数据集有助于研究报告排放量与其底层资产及活动代理之间的关系，揭示了当前报告实践中的结构性局限（例如，建筑级范围 3 披露的匮乏）。

作者强调，该数据集旨在用于研究和分析以支持可解释的排放建模，而非取代经审计的披露或用于支持合规性报告。这项工作既突出了 AI 驱动气候分析的机遇，也指出了现实世界可持续发展报告中存在的结构性数据缺口。