Enhancing Language Models for Robust Greenwashing Detection
ロバストなグリーンウォッシング検出のための言語モデルの強化 (AI 翻訳)
N. Braun, Keane Ong, Rui Mao, Erik Cambria, G. Mengaldo
🤖 gxceed AI 要約
日本語
企業のサステナビリティ報告書におけるグリーンウォッシング（見せかけの環境配慮）を検出するためのNLP手法を提案。コントラスト学習と順序ランキング目的を組み合わせ、LLMの潜在空間を構造化。ゲート特徴変調とMetaGradNormにより多目的最適化を安定化。実験により、標準ベースラインよりも高いロバスト性を示しつつ、表現の硬直性と汎化のトレードオフを明らかにした。
English
This paper proposes a parameter-efficient framework for detecting greenwashing in sustainability reports. It combines contrastive learning with ordinal ranking to structure LLM latent spaces, uses gated feature modulation to filter disclosure noise, and MetaGradNorm for multi-objective optimization. Experiments show improved robustness over baselines, revealing a trade-off between representational rigidity and generalization.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
本論文は、日本企業の有報や統合報告書におけるグリーンウォッシング検出に応用可能。SSBJ開示基準の信頼性向上に寄与し、投資家対応の観点からも実務的価値が高い。
In the global GX context
This paper contributes to global climate disclosure by addressing greenwashing, a critical issue for TCFD/ISSB alignment. The proposed framework can enhance the reliability of ESG data, supporting transition finance and regulatory compliance like CSRD.
👥 読者別の含意
🔬研究者:Provides a novel NLP method for greenwashing detection with potential to improve ESG data quality.
🏢実務担当者:Can be integrated into disclosure verification processes to identify vague claims.
🏛政策担当者:Offers tools for regulators to monitor and enforce truthful sustainability reporting.
📄 Abstract（原文）
Sustainability reports are critical for ESG assessment, yet greenwashing and vague claims often undermine their reliability. Existing NLP models lack robustness to these practices, typically relying on surface-level patterns that generalize poorly. We propose a parameter-efficient framework that structures LLM latent spaces by combining contrastive learning with an ordinal ranking objective to capture graded distinctions between concrete actions and ambiguous claims. Our approach incorporates gated feature modulation to filter disclosure noise and utilizes MetaGradNorm to stabilize multi-objective optimization. Experiments in cross-category settings demonstrate superior robustness over standard baselines while revealing a trade-off between representational rigidity and generalization.
🔗 Provenance — このレコードを発見したソース
- semanticscholar https://doi.org/10.48550/arxiv.2601.21722first seen 2026-05-15 19:12:15
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。