跳到正文

全部动态

按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。

38 条收录动态,更新于 22:00

全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。

10月14日

星期三,2 条
  1. MIT 团队用机器学习后处理将两到六周天气预报准确率提高一倍

    MIT 等机构的研究团队开发了一种机器学习后处理层,通过学习历史数据修正现有预报模型的误差,在两周到六周的次季节预报中把黄金标准模型的预测能力提高了一倍,并首次在该时间尺度上超过气候平均值。相关论文发表在 Nature,该方法在 ECMWF 的预报竞赛中获第一名,对极端天气的预测也有统计显著提升。该模型是开源、低成本的附加组件,可搭配任意预报模型使用,肯尼亚气象部门已联系希望用于改进季风预报。

    入选理由研究团队用后处理层修正现有预报模型误差,把两周到六周的次季节预报准确率提高一倍,并开源低成本,能源与农业用户可据此评估部署可能。

    MIT News · AI预印本重要性 82
  2. Ai2 发布 HiRO-ACEv2,以约三百分之一成本生成全球 3 公里气候数据

    Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2,其降尺度模型 HiROv2 可同时预测多种高分辨率变量,在给定粗化的 X-SHiELD 数据时,对极端降雨、风速和气压的高分辨率统计量误差在 3% 以内,并能估算热带气旋总能量。

    同一新闻,精选展示《Ai2 发布 HiRO-ACEv2,以约三百分之一成本生成全球 3 公里气候数据》

    Ai2 / Allen Institute for AI官方证据待确认重要性 72

10月12日

星期一,1 条
  1. DeepMind 模型提前11天精准预测飓风

    来自一个卓越模型的好结果。 这是 AI 产生积极影响的一个绝佳例子。这就是为什么我们 @GoogleDeepMind 将推动科学进步作为核心重点!

    引用Packie Young@packie7b

    Google Deepmind (FNV3) CRUSHED the forecast for #Isaias up to 11 days in advance. It picked up some appreciable signal on September 23, locked in on the exact landfall location4 days before it happened, and nailed the peak intensity consistently 3 days before it happened. A new age of forecasting is upon us. First video: Track density using 1000 member ensemble Second Video: Individual tracks and mean using 50 member ensemble

    Pushmeet Kohli证据待确认未入选重要性 38

10月8日

星期四,1 条

10月2日

星期五,1 条

10月1日

星期四,1 条

9月28日

星期一,1 条
  1. Nature Machine Intelligence 提出 GenFocal:用概率机器学习从气候模型评估区域气候风险

    Nature Machine Intelligence 发表研究,提出名为 GenFocal 的生成式 AI 框架,用于气候降尺度,从粗分辨率气候预估生成逼真的精细尺度天气,并改进热浪、热带气旋等复合极端事件的区域风险评估。论文在线发表于 2026 年 9 月 28 日,DOI 为 10.1038/s42256-026-01308-7。

    Nature Machine Intelligence证据待确认未入选重要性 62

2月10日

星期二,1 条