持続可能な食事評価のための大規模言語モデルのベンチマーク：カテゴリ較正プロンプト枠組みを用いた炭素・水フットプリント推定
Benchmarking large language models for sustainable dietary assessment: carbon and water footprint estimation using a category-calibrated prompting framework (原題)
Mustafa Tahsin Yılmaz
🤖 gxceed AI 要約
日本語
6つの大規模言語モデル（LLM）を、従来のデータベース由来の炭素フットプリント（CFP）・水フットプリント（WFP）推定値と比較評価した研究。5つの食事パターン（DASH、地中海食、MIND、低炭水化物、ケトジェニック）にわたる50の5食メニューを用い、食事レベルの推定値を日次合計に集約。カテゴリ較正プロンプト枠組みを提案し、3回の評価セッションで再現性を検証するとともに、アブレーション実験でプロンプト構成要素の寄与を分析した。
English
This study benchmarks six large language models against conventional database-derived estimates of carbon footprint (CFP) and total water footprint (WFP) for 50 five-meal menus across five dietary patterns (DASH, Mediterranean, MIND, low-carbohydrate, ketogenic). Meal-level LLM estimates were aggregated to daily totals and evaluated for error, agreement, and regression against reference values, with three sessions assessing short-term reproducibility. A category-calibrated prompting framework is proposed, and ablation runs isolate the contributions of its Category-Based Reference Ranges and Category Hierarchy modules.
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
食品産業や小売業におけるScope 3排出量（特に購入商品・食事提供）の算定にLLMを活用する可能性を示す。SSBJのScope 3開示やサプライチェーン・エンゲージメントにおいて、一次データが乏しい品目への補完的手法として注目される。
In the global GX context
Demonstrates a replicable LLM-based approach for estimating carbon and water footprints of food items, relevant to Scope 3 category 1 (purchased goods and services) accounting under GHG Protocol and emerging ISSB/CSRD disclosure requirements. The category-calibrated prompting framework offers a template for improving AI-assisted environmental footprint estimation where primary data are scarce.
👥 読者別の含意
🔬研究者:LLMを環境フットプリント推定に応用する際のベンチマーク手法とプロンプト設計の有効性を評価するための基礎を提供する。
🏢実務担当者:食品・小売企業がScope 3排出量の算定においてLLMを補助的に活用する際の精度と再現性の目安を得られる。
🏛政策担当者:AIを用いた環境影響評価の標準化や品質保証の枠組みを検討する際の参考になる。
📄 Abstract（原文）
This repository contains the data, prompts, and Python code accompanying the study Benchmarking large language models for sustainable dietary assessment: carbon and water footprint estimation using a category-calibrated prompting framework. Six large language models were evaluated against conventional database-derived estimates of carbon footprint (CFP) and total water footprint (WFP). The dataset comprises 50 five-meal menus representing five dietary patterns: DASH, Mediterranean, MIND, low-carbohydrate, and ketogenic. Meal-level estimates were aggregated to daily menu totals, expressed in g CO₂-eq/day for CFP and L/day for WFP. The repository includes the menus, conventional reference values, and meal-level LLM estimates from three full-prompt evaluation sessions conducted on 23–25 June 2026. Day 3 was used for the primary error, agreement, and regression analyses. All three sessions were used to assess short-term reproducibility. The full prompt, two ablated prompts, and their corresponding estimates are also provided. In the ablation runs, the Category-Based Reference Ranges and Category Hierarchy modules were removed separately to assess their respective contributions to agreement with the reference method. The accompanying Python scripts and Jupyter notebooks document API-based inference, response processing, and the statistical analyses reported in the manuscript.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.5281/zenodo.24192561first seen 2026-11-15 05:24:16
🔔 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。