MIT 团队登 Nature：机器学习纠错法突破 2-6 周中期天气预报纪录
LesterMackey · x · 2026-10-15
MIT News 报道 Lester Mackey 等人发表于 Nature 的新研究：针对 2-6 周这一对应急规划至关重要的预报时段（如 2021 年得州能源危机类的极端事件），开发了一种轻量机器学习方法，学习修正现有物理模型和 AI 预报模型在该时间尺度上的可预测误差，从而刷新了这一时段的天气预报纪录。文章还梳理了该团队在这一难题上多年研究的演进脉络。
所属事件:MIT 机器学习纠错法将 2-6 周天气预报准确率翻倍(2 条相关)→
「研究」频道最新
- Anthropic 用 Claude 数周内形式化验证 100+ 真实开源库安全属性 — inductionheads · 2026-10-23
- 新论文用二次模型复现 Transformer 训练 loss 尖峰，直指成因本质 — CSProfKGD · 2026-10-23
- 扩散模型教科书团队将把教程升级为 NeurIPS 2026 扩散 LLM 专场 — mittu1204 · 2026-10-23
- 团队发布 OpenAI 数学题库伪形式化版本及证明验证新基准 — tengyuma · 2026-10-23
- 黑客松上用 Rowan 搭计算药物发现管线，证明橙皮素可平抑餐后血糖 — CatAstro_Piyush · 2026-10-23
- 基因组「暗物质」破解：语言模型加 AI agent 挖掘非编码 RNA — BrianHie · 2026-10-23