ESG漂绿检测：用AI识别企业环保承诺的真伪

本文介绍了一个结合大语言模型（LLM）与机器学习技术的ESG漂绿检测项目，旨在通过分析企业ESG和CSR报告自动识别虚假环保宣传。该项目解决了传统人工审计成本高、效率低的问题，可为投资者、监管机构等提供决策支持，推动企业真实履行环保责任。

全球气候变化背景下，企业ESG表现受关注，但'漂绿'（夸大/虚假环保宣传）引发信任危机。其危害包括：投资者因虚假信息决策失误；消费者被误导削弱环保行动；社会层面延缓气候应对，损害真环保企业竞争力。传统人工审计难以应对海量报告，自动化检测需求迫切。

项目采用LLM+传统机器学习混合方案：

• LLM作用：通过提示词工程识别文本中夸大、模糊表述等漂绿特征；
• 传统ML补充：分析词汇频率、句式结构等量化特征建立统计模型；
• 数据源：处理ESG报告（环境/社会/治理综合评估）和CSR报告（社会责任活动）两类文档。

识别漂绿需从多维度分析：

1. 承诺与行动一致性：对比不同时期承诺与成果，识别'只说不做'；
2. 语言精确性：检测模糊词汇（如'致力于'）、无基准的相对性描述等；
3. 数据支撑充分性：检查是否有第三方验证数据、具体数值及行业对比；
4. 行业背景可比性：结合行业特征评估，识别偏离常态的表述。

该技术应用广泛：

• 投资决策：帮助ESG投资者筛选真可持续企业，避免绿色陷阱；
• 监管合规：辅助监管机构高效审查报告，提升监管效率；
• 媒体监督：助力媒体/NGO曝光漂绿行为，维护公众知情权；
• 企业自查：帮助企业确保报告准确性，避免表述不当引发质疑。

技术挑战：训练数据稀缺、漂绿形式演化、跨语言文化差异、误判风险控制； 伦理考量：算法需透明、结果需人工审核、保护数据隐私、避免过度解读检测结果。

未来方向：多模态分析（整合文本/图像）、实时监测（社交媒体动态）、跨文档验证、因果推断； 结语：该项目为漂绿检测提供新工具，推动企业真实环保行动，服务于全球可持续发展目标。