研究提出GCH框架委托LLM智能体校准地球科学模型

研究团队在arXiv发布论文，提出通用校准框架GCH，将地球科学模型校准从校准请求到评估结果全流程委托给知识引导的LLM智能体：智能体在知识基础设施与验证约定约束下定义参数域、观测映射和目标，生成模型专属代码，代码冻结后交由数值搜索与评估。 在融雪模型测试中，知识引导的5组参数设定全部首次执行成功，仅给出模型名的5组全部失败；前者验证期NSE为0.81—0.94，默认值为0.57。在共同目标下，独立的GR4J建模结果NSE差异在0.001以内，重新评估11组已保存参数向量可复现原指标。 作者称，在10组预算匹配的VIC配对测试中，固定搜索不劣于继续由智能体提出建议（非劣界为-0.02 NSE，中位差异-0.003）。这些结果来自论文报告，尚待更广泛验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。