DeepMind WeatherNext 3 改吃卫星原始观测,逐小时预报免受分析场偏差污染
dair_ai · x · 2026-09-07
Google DeepMind 发布 AI 天气模型 WeatherNext 3,解决了以往 AI 天气模型的核心缺陷:过去所有模型都在「分析数据」(本身是另一模型输出)上训练和初始化,预报因此继承分析场的偏差,也无法直接使用新的卫星观测。
WeatherNext 3 的关键改动:
- 直接摄取低延迟静止轨道卫星数据,预报更新频率从每 6 小时提升到每小时
- 分辨率达 0.1 度、逐小时步长,媲美最好的物理全球模型,含太阳辐射与云量
- 学习目标位于「观测空间」而非「分析空间」:直接预测卫星反演降水、热带气旋路径、站点观测
- 因对稀疏站点数据按局部地理条件建模,可在任意位置给出 2 米温度与露点
所属事件:DeepMind发布WeatherNext 3：5公里逐小时预报，降水准确率提升60%(3 条相关)→
「研究」频道最新
- PyTorch 实测:批量从 1 加到 64,吞吐升 50 倍延迟仅增 24% — cneuralnetwork · 2026-10-23
- 计算设计的全新连接酶 30 个里 27 个实验有效,AI 酶设计落地 — AllThingsApx · 2026-10-23
- 网友拆解决策模型榜单：AUC 相同下先验校准即可推高准确率排名 — antoine_chaffin · 2026-10-23
- JEPA 会保留无法预测的红绿灯特征吗？新论文给出集合级解释 — hisspikeness · 2026-10-23
- Next-Concept Modeling 论文称分层概念码并行生成，速度最高达扩散 LLM 的 31 倍 — PanelReader · 2026-10-23
- 从「压抑情绪」句子提取的 steering 向量,竟让模型独处时表达痛苦 — Big_Effective_9605 · 2026-10-23