Nghiên cứu
ARGUS: Ứng dụng mô hình ngôn ngữ trong kiểm định giả thuyết nhân quả cho chính sách khí hậu
(giờ Việt Nam)
Tóm tắt AI
Nghiên cứu giới thiệu ARGUS, một quy trình sử dụng mô hình ngôn ngữ giúp tự động kiểm tra các giả thuyết trong nghiên cứu chính sách khí hậu, đạt hiệu suất phát hiện lỗi vượt trội so với phương pháp từ khóa truyền thống.
Chính văn · Bản dịch AI
Tóm tắt: Các nghiên cứu sai biệt trong sai biệt (Difference-in-differences - DID) được sử dụng rộng rãi để đánh giá chính sách khí hậu, nhưng việc thẩm định các bằng chứng hỗ trợ cho các giả định nhận dạng của chúng vẫn còn là một thách thức. Chúng tôi giới thiệu ARGUS, một quy trình mô hình ngôn ngữ có cấu trúc giúp kiểm định các bằng chứng được báo cáo dựa trên thang đo 11 chiều về giả định-hệ quả-bằng chứng và sẽ từ chối đưa ra kết luận khi không thể truy xuất bằng chứng liên quan. Chúng tôi đánh giá ARGUS bằng cách sử dụng các lỗi được cài cắm, các bài báo kinh tế và một dự án thí điểm nhỏ với các nhãn đã được đối soát. Trên bộ tiêu chuẩn gồm 11 lỗi, ARGUS phát hiện được 73% số lỗi được cài cắm, so với 18% của quy trình dựa trên từ khóa. Trên 26 bài báo kinh tế, ARGUS từ chối đánh giá khoảng 40% các chiều của bài báo do thiếu bằng chứng có thể truy xuất. Trong một dự án thí điểm gồm 5 bài báo với các nhãn được đối soát bởi hai người chú giải, hệ thống gán mức độ rủi ro cao hơn so với các nhãn trong 25 trên 33 đánh giá mà nó hoàn thành. Một quy tắc được thiết lập trước khi có các nhãn đã loại bỏ hầu hết các trường hợp này trong mẫu; mức độ đồng thuận có trọng số vẫn ở mức thấp. ARGUS cung cấp các báo cáo rủi ro kèm theo bằng chứng giúp khu trú các điểm yếu tiềm ẩn để chuyên gia xem xét, mà không đưa ra phán quyết về các tuyên bố nhân quả. Mã nguồn và dữ liệu: URL này
| Bình luận: | Được chấp nhận tại ClimateNLP 2026, Hội thảo lần thứ 3 về Xử lý ngôn ngữ tự nhiên đáp ứng Biến đổi khí hậu (EMNLP 2026). 9 trang nội dung cộng với phụ lục (tổng cộng 21 trang), 6 hình, 15 bảng. |
| Chủ đề: | Tính toán và Ngôn ngữ (cs.CL) |
| Phân loại ACM: | I.2.7 |
| Trích dẫn là: | arXiv:2609.30867 [cs.CL] |
| (hoặc arXiv:2609.30867v1 [cs.CL] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.30867 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Yonghong Zhang [xem email] [v1] Thứ Sáu, 25 tháng 9 năm 2026 06:18:01 UTC (481 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.