OceanMoE:条件稀疏 MoE 框架提升长期多元海洋预报精度
burny_tech · x · 2026-09-21
arXiv 新论文提出 OceanMoE,一个面向长期多元海洋预报的结构化条件稀疏 Mixture-of-Experts 框架。
核心思路是在统一模型中兼顾跨变量共享与按目标特化:
- 融合跨变量信息构建目标特定的局部表征,并在每个空间位置做内容条件化的稀疏路由,激活专家数量随 router 置信度自适应调整;
- 解码器路由引入由球谐空间基参数化的地理偏置;
- 共享残差与季节通路提供跨变量及月份依赖的共同上下文。
在长期自回归 ORAS5 预报实验中,OceanMoE 在两种评测设置下均降低了聚合预报误差,几何平均归一化 RMSE 低于对应基线。
「研究」频道最新
- Loopback 架构用 75% 参数追平 3B 标准 Transformer 性能 — pbaylies · 2026-11-23
- RoboQuest 基准:最强模型具身探索任务仅完成 23.2% — omarsar0 · 2026-11-23
- OpenAI 首次公开内部预训练困惑度曲线,提议以 perplexity 定行业安全标尺 — merettm · 2026-11-23
- AI 数学蜂群新成果:962 变量四次多项式被证明已是最优 — gleech · 2026-11-23
- AI 数学证明后的阐释整理工作,已因 OpenAI 准黎曼结果泛滥? — gleech · 2026-11-23
- CMU 发布 ExploitBench:把 LLM 网络攻击能力做成「阶梯」评测 — goyal__pramod · 2026-11-23