carbon-footprint

本文分析了基于机器学习的数据压缩的环境收支平衡点，估算了训练和推理的碳当量成本，并与减少磁盘存储带来的节省进行对比。

一项系统性综述和实证研究，比较了深度学习模型的碳足迹，考察了绿色AI技术和测量工具，发现训练阶段是排放的主要来源，且更大的架构并不总能带来成比例的精度提升。

Starlight 关于构建环保文档站点的指南，涵盖减少页面体积、缓存和功耗的技术。

微软去年的温室气体排放量增加了25%，原因是人工智能数据中心的扩张，据其最新可持续发展报告。

谷歌的AI扩张导致2025年用电量增长37%，碳足迹增至1450万公吨。该公司持续投资可再生能源和清洁技术，但因其对天然气的依赖而面临审查。

本文探讨了AIED研究中缺乏对LLMs计算和环境成本标准化报告的问题，回顾了396篇AIED 2025会议论文，并提出了一种开源方法来测量和报告这些影响。

本文提出了一种针对电商推荐的碳感知重排序策略，利用检索增强流水线估计产品碳足迹，并在预测的参与度与可持续性之间进行权衡。基于Amazon评论数据集的评估表明，在参与度损失极小的情况下可实现显著的碳减排。