GenCast
PulseAugur coverage of GenCast — every cluster mentioning GenCast across labs, papers, and developer communities, ranked by signal.
-
新的RMMD框架结合了扩散蒸馏和强化学习以改进生成模型
研究人员推出了一种名为奖励时刻匹配蒸馏（RMMD）的新框架，该框架将扩散模型蒸馏与强化学习微调相结合。该方法旨在通过同时蒸馏模型和最大化奖励函数来提高生成质量，在适应采样循环进行策略内训练的同时，保持高保真度的“自然感”。在ImageNet上的评估表明，RMMD相比现有方法提供了更优的权衡，并且将其应用于GenCast天气预报模型后，实现了7.5倍的加速，并提高了性能和校准度。
-
Otter Weather AI模型提供高效、准确的中程预报
研究人员开发了Otter Weather，这是一种新的用于中程天气预报的人工智能模型，旨在比当前最先进的方法更高效、更易于访问。该模型显著提高了技能-计算权衡，在所需的训练计算量大大减少的情况下，性能优于传统的数值天气预报（NWP）基线。Otter Weather在概率预报方面也表现出强大的性能，并显示出在其他科学领域（如求解偏微分方程）的潜在适用性。
-
一致性预测为AI天气预报提供严格的不确定性量化
一篇新发表在arXiv上的研究论文介绍了使用一致性预测（conformal prediction）作为一种改进AI驱动天气预报不确定性量化方法。研究表明，尽管AI模型可以生成更大的集合预报，并且在训练时考虑了概率性因素，但其统计覆盖率，尤其是在极端事件方面，可能并不可靠。通过将在线一致性预测应用于GenCast、NeuralGCM和AIFS-ENS等领先模型，研究人员在不损害其他概率指标的情况下，确保了校准的不确定性。这种后处理技术适…
-
AI天气预报员通过新模型实现效率提升
两篇新的研究论文提出了更高效的AI天气预报模型。AdaWeather自适应地结合了多个概率预报，实现了与最佳静态专家混合模型相比的对数遗憾。U-Cast利用标准的U-Net架构和简化的训练方法，性能与复杂模型相当或超越，同时显著降低了计算成本和推理时间。