MIT研究人员用AI学习并校正现有预报模型误差，2至6周天气预报性能提升一倍，首次证明优于气候平均值预测（报道）

已核实（事实）

MIT研究人员开发出一种利用AI学习并校正现有天气预报模型误差的方法，针对的是预测2至6周后天气的次季节预报（subseasonal forecasting）。将该方法应用于顶级预报模型后，该时段的预测性能提升了一倍。研究人员表示，这也首次证明其性能优于以长期气候平均值进行预测的方法。

待核实（说法）

性能提升一倍及相对气候平均值的优势均为研究人员公布的结果。

意义（解读）

2至6周预报介于短期预报和季节预测之间，长期以来准确率偏低。这一时段的改进可直接用于农业和能源供需规划，以及寒潮、洪水等极端天气的防范。

来源

• 媒体 "AI로 2~6주 장기 기상예보 정확도 2배 높였다"…MIT 연구진, 기후 평균 넘어선 예측 실현 AI News Korea

更多关于 MIT

• 2026-10-12 P2 研究 论文 安全与对齐语言模型 Carnegie Mellon UniversityUC BerkeleyMITUniversity of OxfordUCLAOpenAI
  研究：仅使用 AI 10 分钟，一旦失去帮助就更容易放弃——3 项随机对照试验，1,222 人参与（报道）

  以卡内基梅隆大学研究员 Grace Liu 为第一作者，UC 伯克利人类兼容人工智能中心（CHAI）与 MIT、牛津大学、UCLA 研究人员对共计 1,222 名参与者开展了 3 项随机对照试验。在第一项实验中（354 人参与，307 人纳入分析），使用 ChatGPT...

• 2026-10-08 P3 研究 论文 机器人与具身智能安全与对齐 MIT
  MIT 开发“SANDO”，在无地图动态环境中保证无人机路径无碰撞（报道）

  MIT 研究团队开发了自主飞行路径规划技术 SANDO，即使在没有地图的环境中也能避开移动障碍物，并从数学上保证无人机路径无碰撞。无人机通过传感器探测周围环境，并持续重新计算安全路径。该技术面向山火、建筑倒塌、地下矿井等灾害现场应用。