热点事件持续更新
CASPER 公里级降尺度研究发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布一项研究，提出 CASPER——一种带结构保持损失的 U-Net，用于将 32 公里再分析数据降尺度至 1 公里的温度、湿度与风速。研究称，留出误差随与训练数据的气候距离线性增长，关系为 RMSE = 0.83 + 2.95 d，可解释 90% 的方差；相比之下，数据量仅解释 7% 的方差。该研究以“少即是多”为题，强调极端高温公里级降尺度中数据高效性的误差-距离缩放关系。目前报道仅此一篇，尚无后续进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
研究提出 CASPER 降尺度模型，发现误差随气候距离线性增长。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）少即是多：极端高温公里级降尺度数据高效性的误差-距离缩放关系
研究提出 CASPER——一种带结构保持损失的 U-Net，可将 32 km 再分析数据降尺度至 1 km 的温度、湿度与风速，并发现留出误差随与训练数据的气候距离线性增长（RMSE = 0.83 + 2.95 d），可解释 90% 的方差，而数据量仅解释 7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。