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
- 研究者指出：LLM 写的 related work 很有说服力但不等于全面 — lucacarlone1 · 2026-09-21
- 25 位菲尔兹奖得主发宣言,7400 名研究者声援反对 AI 刷数学题 — AryHHAry · 2026-09-21
- DeepMind 研究员长文:AI 时代数学研究的意义与人类数学家角色 — AndrewLampinen · 2026-09-21
- Typesafe 新模型 Jev 遇上图模型:不确定性推理的范式转变? — fdellaert · 2026-09-21
- LLM 时代灌水论文泛滥,arXiv 插旗文化积弊十年再引热议 — RexDouglass · 2026-09-21
- Meta 研究员提议:允许审稿人给「浪费所有人时间」打分 — burny_tech · 2026-09-21