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 · x · 2026-10-15
微软研究院 Lester Mackey 团队竞赛夺冠的 AI 次季节（2-6 周 ahead）天气预报论文在《Nature》开放获取发表，并提供模型下载。
- 现有物理与 AI 模型在 2 周内预报已很准，但 2-6 周尺度因误差累积、系统性偏差与大气混沌导致技能骤降。
- 论文提出「概率偏差校正（probabilistic bias correction）」的机器学习框架，通过学习校正历史概率预报大幅降低系统性误差。
- 该工作面向农业种植、野火管理、水与能源调配等决策场景。
所属事件:微软 PBC 机器学习纠偏方法登 Nature，提升 2-6 周天气预报(10 条相关)→
「研究」频道最新
- DuplexJev：免解码单token决策，8卡0.1秒答80个语音决策 — adventists-ai · 2026-10-15
- LLM-to-Flow 蒸馏:让科学生成器听懂自然语言的发现目标 — rbhar90 · 2026-10-15
- ETH推出不确定性感知世界模型，真机器人上跑通离线强化学习 — breadli428 · 2026-10-15
- 16.7 万模拟店铺日研究:评测世界的设计本身塑造了模型行为得分 — liminal_bardo · 2026-10-15
- NLP 多语言研究全景图:研究者梳理低资源数据到语言识别的开放方向 — StellaLisy · 2026-10-15
- 不用 RAG 不微调：把记忆张量直接注入冻结 LLM 第 3 层 — Nearby_Indication474 · 2026-10-15