MIT 用合成数据训练气候 emulator，数据量仅零头却更准
MIT News AI · rss · 2026-11-12
MIT 研究团队在 PNAS 发表新训练技术，可大幅提升气候 emulator（快速模拟地球系统模型 ESM 的 AI 代理模型）的性能与适应性，同时只需传统方法的一小部分数据。
问题背景
- 完整 ESM 在超算上跑一个未来情景需数月，气候 emulator 几秒即可完成，便于测试数千种情景
- 传统做法用 6–8 个真实排放情景训练，每个都要跑一遍完整 ESM，成本高、周期长，且用真实情景训练的 emulator 往往无法预测陌生情景
方法
- 算法生成针对 emulator 预测能力优化的合成情景数据集：先用简单快速气候模型生成任意情景，测试 emulator 复现 ESM 结果的误差，再迭代更新训练数据（如 2050 年 CO2 剧增、2037 年甲烷骤降）直至误差达标
- 只需跑一次完整 ESM 即可生成训练数据；合成数据含高频波动，让 emulator 学到更多系统信息
结果
- 用少量精选合成数据训练的 emulator 能准确预测训练中未见的情景，传统 emulator 则失败
- 能捕捉「控制一种污染物而其他排放继续上升」的局部政策效果
- 作者称可将 emulator 生产时间从数月/数年大幅压缩，让研究者更快拿到最新工具；未来计划用完整 ESM 生成的情景测试，并推广到其他气候模型与更广的机器学习/计算机视觉应用
「研究」频道最新
- François Fleuret 发问：模型 RL 训练中真没人用形式化证明检查器吗 — francoisfleuret · 2026-11-12
- AGI 之辩：预训练赢在全球经济是 PDF，但 LLM 学不会新知识 — akbirthko · 2026-11-12
- AudioCodex 论文：全因果流式自编码器，10Hz 潜序列面向实时生成音频 — serrjoa · 2026-11-12
- 解读新研究：上下文学习实为对 prompt 内信息的门控查表，而非规则拟合 — burkov · 2026-11-12
- CogBattery：54 个开源模型对照人类认知任务的行为评测 — Dengzhe Hou · 2026-11-12
- PISA 路由器按提示词自适应选模型,成本-性能权衡领先四项基准 — Saul Urso · 2026-11-12