微软在 Nature 发概率偏差纠正：2–6 周预报技巧分补回来，AI 预报系统翻倍

微软研究院的论文 10 月 14 日发表在 Nature，提出 Probabilistic Bias Correction（PBC）：一个用机器学习学习历史概率预报的系统性偏差并加以纠正的框架。它要解决的是 2–6 周的子季节预报窗口——两周之内预报已经相当准，再往后误差会因叠加效应、系统性偏差与大气混沌迅速放大。

论文给出的数字：作用在欧洲中期天气预报中心（ECMWF）的领先模式上，PBC 让新一代 AI 预报系统（AIFS）本就不高的子季节技巧分翻倍，并让已做过业务去偏的物理模式在 91% 的气压、92% 的温度与 98% 的降水目标上提升技巧分。在 ECMWF 的实时预报竞赛中，其全球预报在所有天气变量与所有预报时效上均为最好，压过 6 个业务预报中心、一个国际多模式集合、ECMWF 自家 AIFS 以及全球 34 支参赛队伍。

方法层面的取舍值得记下：它不训练新的天气模型，而是给现有（物理与 AI）预报做后处理纠偏，论文自述为业务部署而设计；据 The Verge 报道，该工具已开源，且可以只跑在 CPU 上——研究者称这对算力紧张的机构更有意义。需要说明的是，我没有复核竞赛的排名细则与论文图表，以上全部数字来自论文摘要与 The Verge 报道。

原文链接：Nature / Microsoft Research