Advancing ESG Intelligence: An Expert-level Agent and Comprehensive Benchmark for Sustainable Finance

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a benchmark and agent architecture for AI-driven ESG analysis, advancing research in vertical LLM applications.

🏢実務担当者:Corporates and auditors can leverage ESGAgent to automate ESG report analysis and generate verifiable insights.

🏛政策担当者:Offers insights into how AI can enhance ESG data reliability, potentially informing future regulation on AI-assisted auditing.

環境・社会・ガバナンス（ESG）基準は、企業の持続可能性と倫理的パフォーマンスを評価する上で不可欠である。しかし、専門的なESG分析は、非構造化ソース間でのデータ断片化によって妨げられており、既存の大規模言語モデル（LLM）は、厳格な監査に必要な複雑で多段階のワークフローにしばしば苦慮している。これらの限界に対処するため、我々はESGAgentを紹介する。これは、検索拡張、ウェブ検索、ドメイン固有機能を含む専門ツールセットを備えた階層型マルチエージェントシステムであり、詳細なESG分析を生成する。このエージェントシステムを補完するものとして、我々は310件の企業持続可能性報告書から導出された包括的な3レベルベンチマークを提示する。これは、原子的な常識的質問から統合的で詳細な分析の生成に至るまでの能力を評価するように設計されている。実証評価により、ESGAgentは最先端のクローズドソースLLMを上回り、原子的質問応答タスクで平均精度84.15%を達成し、豊富なチャートと検証可能な参照情報を統合することで専門的なレポート生成に優れていることが実証された。これらの発見は、我々のベンチマークの診断的価値を確認し、高リスクな垂直領域における一般的および高度なエージェント能力を評価するための重要なテストベッドとして確立するものである。

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。

Environmental, social, and governance (ESG) criteria are essential for evaluating corporate sustainability and ethical performance. However, professional ESG analysis is hindered by data fragmentation across unstructured sources, and existing large language models (LLMs) often struggle with the complex, multi-step workflows required for rigorous auditing. To address these limitations, we introduce ESGAgent, a hierarchical multi-agent system empowered by a specialized toolset, including retrieval augmentation, web search and domain-specific functions, to generate in-depth ESG analysis. Complementing this agentic system, we present a comprehensive three-level benchmark derived from 310 corporate sustainability reports, designed to evaluate capabilities ranging from atomic common-sense questions to the generation of integrated, in-depth analysis. Empirical evaluations demonstrate that ESGAgent outperforms state-of-the-art closed-source LLMs with an average accuracy of 84.15% on atomic question-answering tasks, and excels in professional report generation by integrating rich charts and verifiable references. These findings confirm the diagnostic value of our benchmark, establishing it as a vital testbed for assessing general and advanced agentic capabilities in high-stakes vertical domains.

• semanticscholar https://doi.org/10.48550/arxiv.2601.08676first seen 2026-05-06 00:29:40 · last seen 2026-08-09 05:44:15