GHGbench: 탄소 배출 예측을 위한 통합 멀티 엔티티, 멀티 태스크 벤치마크

엔티티(Entity) 수준의 탄소 배출 예측을 위한 공개 데이터셋과 벤치마크는 접근성, 규모, 세밀도(Granularity) 및 평가 방식 측면에서 여전히 파편화되어 있습니다. 우리는 기업 및 건물 수준의 온실가스(Greenhouse-gas) 예측을 위한 공개 데이터셋이자 벤치마크인 GHGbench를 소개합니다. 기업 트랙(Company track)은 Scope 1+2 및 Scope 3 공시 정보와 재무/섹터 신호를 포함하여 12,000개 이상의 기업으로부터 추출한 32,000개 이상의 기업-연도(Company-year) 기록을 포함합니다. 건물 트랙(Building track)은 13개의 공개 소스로부터 491,591개의 건물-연도(Building-year) 기록을 26개 대도시 지역(미국 10곳, 호주 15곳, 싱가포르 1곳)에 걸쳐 단일 스키마(Schema)로 통합하였으며, 기후 공변량(Climate covariates)과 멀티모달 원격 탐사 임베딩(Multimodal remote-sensing embeddings)을 포함합니다. GHGbench는 분포 내(In-distribution) 및 교차 지역/도시 전이(Cross-region/city transfer)를 주요 태스크로 정의하고, 시간적 홀드아웃(Temporal hold-out) 및 단기 예측(Short-horizon forecasting)을 보충적인 부록 증거로 정의하는 표준 분할(Canonical splits)을 설정합니다. 주요 베이스라인(Baselines)은 그래디언트 부스팅 트리(Gradient-boosted trees), 테이블형 파운데이션 모델(Tabular foundation model), MLP, FT-Transformer, 그리고 멀티모달 융합(Multimodal fusion)을 아우르며, LLM 패널을 보조적으로 활용하며, 모든 모델은 멀티 시드 페어드 부트스트랩(Multi-seed paired-bootstrap) 테스트 하에 평가됩니다. 세 가지 벤치마크 수준의 발견 사항이 도출되었습니다: (i) 건물 배출량은 구조적으로 기업 배출량보다 예측하기 어렵습니다; (ii) 기업 트랙과 건물 트랙 모두에서 분포 내(In-distribution)와 분포 외(Out-of-distribution) 사이의 격차가 모델 내부의 격차보다 훨씬 큽니다. 또한 우리가 알기로는 테이블형 파운데이션 모델이 다도시 건물 배출량 태스크에서 튜닝된 트리(Tuned trees) 모델보다 페어드 부트스트랩 측면에서 유의미한 격차를 벌린 첫 번째 베이스라인입니다; (iii) 멀티모달 원격 탐사 임베딩은 테이블형 일반화(Tabular generalisation)가 무너지는 지점에서 정밀한 예측에 도움을 줍니다. GHGbench는 또한 치명적인 도시 전이(City transfer) 문제와 섹터 요인 조회(Sector-factor lookup)의 한계를 체계적인 실패 모드(Failure modes)로 노출합니다. 코드와 재구성 레시피는 GHGbench에서 확인할 수 있습니다.