热点事件持续更新
Nature 论文提出概率偏差校正框架改进次季节预报
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
现有物理动力模型与 AI 模型已能把高精度天气预报延伸到约 2 周，但在 2-6 周次季节尺度上，因误差累积和大气混沌特性，预报技巧急剧下降。2026 年 10 月 15 日的报道称，Lester Mackey 等人在 Nature 发表论文，提出「概率偏差校正」机器学习框架，通过校正历史概率预报的系统性误差来降低系统偏差，改进 2-6 周次季节天气预报。需注意的是，该事件此前的标题提到 Google 参与，而最新报道仅称论文由 Lester Mackey 等人发表，未提及 Google。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 02:10
Nature 论文提出概率偏差校正框架，通过校正历史概率预报系统性误差改进 2-6 周次季节预报。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI HuntNature 论文：概率偏差校正框架突破 2-6 周次季节天气预报难题
Lester Mackey 等人在 Nature 发表论文，提出「概率偏差校正」机器学习框架，通过校正历史概率预报的系统性误差降低系统偏差，改进 2-6 周次季节天气预报。现有物理动力模型与 AI 模型已能把高精度天气预报延伸到约 2 周，但 2-6 周尺度上因误差累积和大气混沌特性，预报技巧急剧下降。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 03:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。