大型語言模型（LLMs）的環境影響引發了不同看法。一些研究指出，訓練和使用LLMs會產生顯著的碳足跡，而另一些則認為LLMs可能比傳統方法更可持續。我們的分析顯示，儘管LLMs對環境有影響，但在美國，它們的效率可能高於人力勞動。經濟考量可能促使人類與LLMs共同工作，而非單純取代。隨著LLMs規模增長，能源消耗可能上升，這凸顯了持續研究以確保其可持續性的重要性。 PubMed DOI

本研究探討綠色科技創新（GTI）在中國廢舊電池回收（WPBR）中的角色，強調其對可持續資源管理及經濟增長的重要性。透過PSR-BN-GPT-4模型，研究發現： 1. GPT-4驅動的貝葉斯網絡在因果推理上優於傳統專家知識。 2. 中國WPBR產業的GTI水平偏低，僅有19%機率達到高水平。 3. 影響GTI的因素包括研發投資、綠色金融政策及政府採購政策。 4. 改善WPBR企業GTI的途徑為加強基礎設施及增加研發投資。 這些發現為政策制定者及企業提供了重要見解，助力電池回收的GTI推進。 PubMed DOI

這篇論文探討了不同時間和法域下氣候變遷政策的嚴格性挑戰，特別聚焦於中國的氣候治理，強調環境、經濟和社會目標的平衡。作者提出一個整合框架，運用詞彙、文本分析、機器學習及大型語言模型，量化1954年至2022年間中國的氣候政策嚴格性（PSCC）。為確保測量的有效性與可解釋性，結合思考鏈和SHAP分析，並檢視PSCC的多個子維度，最終建立一個反映政府氣候政策嚴格程度的數據集，供未來因果分析使用。 PubMed DOI

準確測量溫室氣體排放對於減少環境影響的組織非常重要。生命週期評估雖能評估產品的環境影響，但量化超出控制範圍的排放卻很困難，通常依賴排放因子。傳統手動選擇排放因子的方法繁瑣且易出錯。為了解決這個問題，我們提出了一種AI輔助的方法，利用自然語言處理和機器學習自動推薦排放因子，並提供易懂的理由。測試結果顯示，我們的方法在自動化情境下達到86.9%的精確度，幫助組織更有效地朝向淨零排放目標邁進。 PubMed DOI

這篇論文探討如何透過行為經濟學和人工智慧工具來增強社會溝通管理。研究分析社會溝通對公民行為的影響，並利用大型語言模型（LLMs）評估其有效性。基於卡尼曼的雙重過程理論，作者提出一個新系統，強調身份和社會規範對行為的影響。研究結果顯示，雖然原始訊息反響良好，但為促進社會轉型而修改的訊息可能導致負向變化，顯示修改時需謹慎，以確保與受眾的共鳴。 PubMed DOI

這項研究用大型語言模型（LLM）設計新型二氧化碳捕捉分子，並結合DFT計算篩選潛力材料。結果顯示，LLM不只產生可行分子，還提出創新設計方法，證明AI能有效輔助化學研究，提升碳捕捉材料的開發效率。 PubMed DOI