本文提出了一种基于机器学习的全球援助流量监测新方法,利用大型语言模型对援助项目的文本描述进行分析,生成更细粒度的活动类别。研究发现,该方法识别出36个CRS分类体系中未涵盖的新兴援助领域,如粮食安全、数字化转型和流行病预防。此外,该方法还能将“多部门”和“未指定部门”的援助活动重新分配到更精确的类别中,并估算对世界银行全球挑战计划、IDA-20特别主题和跨部门问题的资金流。验证结果表明,该方法与CRS基准和IDA承诺数据一致,证明了其稳健性。该研究表明,机器学习和大型语言模型可以增强全球援助流量的监测,并为援助分类和报告的未来改进提供信息,从而支持更具响应性和循证决策,帮助更好地将资源与不断发展的开发重点相匹配。