MIT 新机器学习方法将 2-6 周期天气预报精度破纪录提升
LesterMackey · x · 2026-10-22
MIT 研究团队开发出一种机器学习技术，专门针对现有数值预报模型在 2 到 6 周这一"中间时段"的输出进行误差校正，显著提升了远期天气预报的准确度，对极端天气事件的预测也有改善。这一时间段一直是传统预报的盲区，但对应急规划（如 2021 年得州电网瘫痪类事件）至关重要。研究称该技术在此时段打破了预报精度纪录。
所属事件:微软/MIT/ECMWF 登 Nature:AI 偏差修正大幅提升 2-6 周预报精度(5 条相关)→
「研究」频道最新
- 曝 PyTorch autograd 存供应链零日：权重当内存、SGD 当 CPU 跑任意计算 — burny_tech · 2026-10-22
- 研究提出 RPG 图结构建模科研想法真实演化,评 35 个研究智能体皆不完整 — ZhiyuChen4 · 2026-10-22
- EMNLP 2026 论文:PPI 框架量化 LLM 评审可节省多少人工标注 — shi_weiyan · 2026-10-22
- Ask-to-Distill:自动合成问题提升在线蒸馏,无需正确答案标签 — UIUC-CS · 2026-10-22
- 2-bit 权重放显存+残差放内存：让放不下的模型也能投机解码 — Happy_Guitar3521 · 2026-10-22
- RFD4 团队用循环更新替代自条件,呼应 looped flows「思考模式」 — AllThingsApx · 2026-10-22