arXiv cs.AI· Bart Jaworski, Andrew Sutton·· 3 天前AI 评分36
AI 风险观测站：从年报 AI 披露中能学到什么社会韧性？
The AI Risk Observatory: What Can We Learn from AI Disclosures in Annual Reports About Societal Resilience?
AI 导读
研究用 LLM 两阶段分类流程处理 1,362 家英国上市公司 2020-2025 年的 9,821 份年报，发现提及 AI 风险的报告占比从 2.8% 升至 41.2%，AI 采用披露从 13.8% 升至 45.2%，供应商提及集中于以 Microsoft 为首的主要厂商。
正文 · AI 翻译
摘要：社会韧性研究依赖于对有用且可操作数据的获取，这促使我们提出主要研究问题：年度报告经 LLM 大规模处理后，能否提供关于公司如何披露其应对 AI 的有用信号？我们通过将可复现的两阶段分类流水线应用于来自 1,362 家英国上市公司的 9,821 份年度报告（2020-2025 年，含部分 2026 年数据）来检验这一点。我们首先用 474 段人工标注文本验证该方法，发现召回率高且标签级一致性中等。随后我们报告三种实证模式：(i) 2020 年至 2025 年间，提及 AI 风险的报告占比从 2.8% 上升至 41.2%，同时 AI 采用披露也从 13.8% 上升至 45.2%，且提及的供应商名称集中在以 Microsoft 为首的一小批主要提供商周围；(ii) 披露情况因关键国家基础设施行业和市场板块而差异显著：AIM 报告披露 AI 风险的比例远低于主板市场报告，而能源和数据基础设施等行业在 AI 风险披露方面落后于其他行业；(iii) 危害披露几乎不存在（整个语料库中仅有七份报告）。我们开发了一种实质性分类来评估披露质量，发现大多数 AI 风险披露并不具有实质性：2025 年，41.2% 的报告将 AI 列为风险，但只有 4.3% 包含我们归类为实质性的 AI 风险披露。
| 评论： | 22 页（9 页正文 + 附录），12 幅图，7 张表。代码和数据：此 https URL（发布 dataset-v1.1） |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.02281 [cs.AI] |
| （或 arXiv:2610.02281v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.02281 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Bart Jaworski [查看电子邮件]
[v1]
2026 年 10 月 1 日星期四 12:03:05 UTC（405 KB）
[v2]
2026 年 10 月 13 日星期二 11:34:02 UTC（406 KB）
来源：arXiv cs.AI · arxiv.org