论文提出地球科学AI模型物理评估五方向

Makoto Kelp等作者发布论文，指出基于天气与气候数据预训练的AI基础模型正被微调用于远超天气预报的地球科学任务，发展速度已超出科学界的评估能力，而目前这些模型几乎只靠benchmark技能指标评判；作者称技能与物理可靠性是两种不同属性，在气候变化带来的非平稳条件下差异尤为关键。 论文为此提出五个物理评估优先方向，涵盖从任务专用仿真器到基础模型，涉及训练数据、微调、行为测试、机制可解释性和输出验证；并给出三项建议：开放可直接用于AI评估的数据集、建立基于物理评估的统一报告标准、设立专门研究项目评估这类模型的安全性。

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。