基于大型语言模型的框架：从科学文献中检索生命周期清单和环境影响数据

《Environmental Science & Technology》：A Large Language Model-based Framework to Retrieve Life Cycle Inventory and Environmental Impact Data from Scientific Literature

　　生命周期评估（LCA）依赖可靠的生命周期库存（LCI）数据，但获取过程耗时且受限于付费数据库。本研究提出Sustain-LLaMA框架，通过三阶段流程（分类模型筛选文献、预训练LLM注入知识、问答模型提取数据）实现自动化LCI数据检索，应用于甲醇生产和塑料包装末端处理案例，分类准确率达0.850-0.952，问答模型F1分数0.823-0.855，显著优于基线模型和USLCI数据库，提升行业可持续性实践效率。

　　

生命周期评估（LCA）量化了从原材料提取到产品报废（EoL）处理过程中的环境影响，但其准确性取决于可靠的生命周期清单（LCI）数据。然而，获取此类数据耗时较长，需要大量的文献回顾或访问通常需要付费的数据库，这阻碍了研究的透明度。本研究提出了一个系统框架，利用重新训练的大型语言模型（LLM）来帮助LCA从业者检索LCI数据及其环境影响的相关信息。该框架包括三个阶段：（i）一个经过微调的分类模型用于识别相关文献；（ii）LLaMA-2-7B模型在选定文本上进行预训练，以将其领域知识注入其数据库；（iii）一个经过微调的问答模型从科学文献中提取LCI和环境影响数据。由此产生的LLM被称为“Sustain-LLaMA”。我们在两个案例中实施了该框架：甲醇生产和塑料包装的报废处理。经过重新训练后，分类模型在处理未见数据时取得了较高的准确率（甲醇为0.850，塑料包装为0.952），这意味着能够有效区分相关研究。采用检索增强生成（RAG）技术的问答模型在甲醇研究中的F1分数为0.823，在塑料研究中的F1分数为0.855。这些问答模型的性能与未经重新训练的LLaMA-2-7B版本以及USLCI数据库进行了对比，显示出相当或更优的准确率和效率。该框架通过自动化LCI数据检索提高了可扩展性和精确度，为推动化工和塑料行业向可持续性发展提供了有前景的工具。