演讲：绿色的标准是什么：利用大型语言模型理解气候信息披露的规模

本文讨论了一家初创公司如何利用RAG系统评估金融工具的环保性。

演讲者Leo分享了团队建设、技术挑战及解决方案，强调人机协作的重要性。

团队致力于提高决策的准确性和效率，推动气候金融的发展。

RAG系统的开发从零开始，团队规模较小，面临资源限制。

气候金融领域需要将资金投入到全球性问题上，目标是实现可持续投资。

当前行业通过专家分析来评估投资的可行性，过程耗时且成本高。

AI工具被用来辅助决策，而不是完全替代人类判断。

团队使用大型语言模型和数据管理来处理和分析文档。

准确性和可审计性是金融决策中至关重要的因素。

RAG系统通过检索和生成相结合的方式来提高答案的准确性。

项目经历了从人工审核到自动化的演变，提升了效率。

人机协作在初期阶段帮助建立用户信任和提高准确性。

团队正在探索如何通过改进搜索和文档上下文来提升系统性能。

未来计划包括细化模型和扩大数据覆盖范围，以支持更多的用户需求。

团队希望通过不断优化来提高系统的准确性和响应速度。