微软 PBC 机器学习纠偏方法登 Nature，提升 2-6 周天气预报
微软研究院 Lester Mackey 团队在《Nature》发表论文「Advancing subseasonal forecasting with machine learning」，提出 Probabilistic Bias Correction（PBC）框架，用轻量级机器学习方法校正物理模式和 AI 预报系统在 2-6 周长时效上的系统性可预测偏差。据帖子转述，该方法使 3-4 周预报技巧约翻倍，并在一项全球竞赛中获得第一。论文为开放获取，并提供模型下载。
已确认
- 现有物理与 AI 模型在 2 周内预报已较准确，但 2-6 周尺度因误差累积和系统性偏差成为可靠性盲区，约 10 天后可靠性骤降
- PBC 是一个轻量级 ML 后处理框架，对物理模式和 AI 预报系统在长时效上的可预测误差进行校正，无需重建预报系统；与 Google、Nvidia 等自建独立天气模型的路线不同
- 据帖子转述，PBC 使 3-4 周预报技巧约翻倍，并横扫 ECMWF AI 天气竞赛、在全球性延伸期预报竞赛中获得第一
- 论文由前 Microsoft Research 实习生 Hannah Guan 和 Soukayna Mouatadid 领衔，合作者包括 Judah Cohen、Paulo Orenstein、Lorin Crawford、Alexiji Lu 等，Lester Mackey 公布了完整作者名单
- 论文在《Nature》以开放获取形式发表，微软开源了相关工具并提供模型下载
为什么重要
- 农户、资源管理者、社区和灾害响应者往往需要提前数周做关键决策，2-6 周预报的改善直接服务于这类需求
- 该工作展示了 ML 纠偏作为轻量后处理手段，可在不重建预报系统的前提下显著延长有效预报时效
2026-10-14 ~ 2026-10-15 · 10 条相关
一手来源
- 微软研究团队名单公开:Nature 中期天气预报论文作者阵容 — LesterMackey ·
- 微软 PBC 方法让 3-4 周预报技巧翻倍,横扫 ECMWF AI 天气竞赛 — LesterMackey ·
- 新 ML 方法修正 10 天外天气预报的系统性偏差 — LesterMackey ·
- 【源头】新 ML 方法修正 10 天外天气预报的系统性偏差 — LesterMackey · 2026-10-14
- 【源头】微软 PBC 方法让 3-4 周预报技巧翻倍,横扫 ECMWF AI 天气竞赛 — LesterMackey · 2026-10-14
- 【源头】微软研究团队名单公开:Nature 中期天气预报论文作者阵容 — LesterMackey · 2026-10-14
- 微软 PBC 框架攻克 2-6 周中期天气预报盲区,获全球竞赛冠军 — LesterMackey · 2026-10-14
- 机器学习次季节预测模型登 Nature，纠偏框架大幅提升 2-6 周预报 — LesterMackey · 2026-10-15
- 微软研究院概率偏差校正方法拿下全球延伸期天气预报竞赛冠军 — LesterMackey · 2026-10-15
- 机器学习次季节预报论文登 Nature,Lester Mackey 团队官宣 — LesterMackey · 2026-10-15
- 微软开源机器学习工具,可修正气象模型偏差提升2-6周预报精度 — tomwarren · 2026-10-15
另有 2 条近重复转述:LesterMackey · LesterMackey