← 論文一覧に戻る

ReGMS: 検索に基づくマルチエージェント気候リスクシナリオ分析

ReGMS: Retrieval-Grounded Multi-Agent Scenario Analysis for Climate Risk (原題)

Yun-Kae Kiang, King H. Lam

Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems学会2026-05-25#AI×ESGOrigin: Global経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.65109/ravt8220
原典: https://doi.org/10.65109/ravt8220

🤖 gxceed AI 要約

日本語

本論文は、気候シナリオ分析をマルチエージェントシステムとして捉え、IFRS S2/TCFD報告に対応する手法ReGMSを提案。検索型エージェントが公開シナリオを取得し、設計・定量化・コンプライアンス検証の各エージェントが協調してシナリオを構築する。NGFS経路とNASA気候データを用いた実験で、内部一貫性と基準適合性を確認した。

English

This paper proposes ReGMS, a retrieval-grounded multi-agent architecture for climate scenario analysis to support IFRS S2/TCFD reporting. Specialized LLM agents coordinate to build and verify transition and physical-risk scenarios. Using NGFS Phase V pathways and NASA climate data, experiments show internal consistency and standards alignment.

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

日本でもSSBJ基準の策定が進み、気候シナリオ分析は有報記載や投資家対応で重要性が増している。本手法は、公開データに基づく透明なシナリオ作成を可能にし、日本の企業がTCFD/IFRS S2対応を効率化する上で実用的な指針となる。

In the global GX context

TCFD and ISSB reporting require transparent, traceable scenario analysis. ReGMS offers a novel multi-agent LLM approach that grounds scenarios in public pathways (NGFS) and climate data, enabling firms to meet disclosure standards with verifiable assumptions. This advances the global practice of climate risk assessment.

👥 読者別の含意

🔬研究者:Demonstrates a novel multi-agent architecture for automated scenario analysis, with convergence guarantees and empirical comparison to baselines.

🏢実務担当者:Provides a potential tool to automate parts of TCFD/ISSB scenario analysis reporting, improving traceability and consistency.

🏛政策担当者:Illustrates how AI can support regulatory compliance with scenario analysis requirements, potentially shaping future disclosure guidelines.

📄 抄録（日本語訳）

我々はマルチエージェントシステムの観点から気候関連シナリオ分析を研究する。我々の目標は、公開された経路に基づき、その前提において透明性のあるシナリオを用いてIFRS S2/TCFD報告を支援することである。我々はReGMSを提示する。これは検索に基づくエージェントアーキテクチャであり、専門化されたLLMエージェント（検索、シナリオ設計、定量的結合、コンプライアンス）が連携して移行リスクおよび物理的リスクのシナリオを構築・検証する。我々はこのタスクを制約付き確率ゲームとして定式化し、検索された証拠が実行可能なアクションと検証チェックを設定する。我々は証拠に制約された最良応答更新の収束挙動を議論し、集中型プランナーベースラインと経験的に比較する。評価には、Network for Greening the Financial System (NGFS) Phase V移行経路と、NASA NEX-GDDP-CMIP6ダウンスケール日次予測（そこから単純な暑熱指数と降雨指数を導出する）を使用する。我々は、NGFS参照軌跡に対する内部整合性、標準的な規制ケース（Current Policies対Net Zero 2050）にわたるシナリオ多様性、および引用出典を伴う基準適合性に関する診断を報告する。ベースラインには、IAM型プランナー、独立エージェント、および単一LLMパイプラインが含まれる。これらの実験は、ReGMSが明示的な制約の下で追跡可能で基準に適合したシナリオを生成できることを示している。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

We study climate--related scenario analysis through the lens of multi--agent systems. Our goal is to support IFRS S2/TCFD reporting with scenarios that are grounded in public pathways and transparent in their assumptions. We present ReGMS, a retrieval--grounded agent architecture where specialized LLM agents (retrieval, scenario design, quantitative coupling, compliance) coordinate to build and verify transition and physical--risk scenarios. We cast the task as a constrained stochastic game in which retrieved evidence sets feasible actions and verification checks. We discuss convergence behavior of evidence--constrained best--response updates and empirically compare against a centralized planner baseline. For evaluation, we use the Network for Greening the Financial System (NGFS) Phase V transition pathways and NASA NEX--GDDP--CMIP6 downscaled daily projections (from which we derive simple heat and rainfall indices). We report diagnostics for internal consistency against NGFS reference trajectories, scenario diversity across canonical regulatory cases (Current Policies vs.\ Net~Zero~2050), and standards alignment with citation provenance. Baselines include an IAM--style planner, independent agents, and a single--LLM pipeline. These experiments illustrate that ReGMS can produce traceable, standards--aligned scenarios under explicit constraints.

🔗 Provenance — このレコードを発見したソース

🔔 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。