微软 PBC 框架登 Nature：AI 校正 AI，把天气预报的可用窗口拉到 2—6 周

本周《Nature》发表微软次季节天气预报新研究，瞄准一个长期空白：未来 10 天内预报已相当可靠，但 2 到 6 周窗口内，物理模型与 AI 模型都因误差累积表现不佳，而这恰是农业、能源与防灾决策最需要的区间。

研究提出的“概率偏差校正”（PBC）框架思路别致：不重训天气模型，而是让轻量级机器学习系统学习现有模型的系统性错误，再对新预测校正。对欧洲中期天气预报中心（ECMWF）模型的测试显示，PBC 使降水、温度、气压预测目标分别提升 98%、92%、91%，并将 ECMWF AI 预报系统准确率提高一倍。在 ECMWF 发起的全球竞赛中，基于 PBC 的 MicroDuet 首个赛季所有变量和提前期均第一，并曾提前 19 至 26 天预测美国两场严重冬季风暴；该框架已用于肯尼亚农业预报并开源。

【AICOR 点评】其方法论价值不亚于气象价值：自研模型成本高企时，“校正现有模型”往往比“再造一个模型”更划算。它还提示一个被忽视的架构位：在通用大模型与业务之间加一层持续学习业务偏差的校正系统，可能正是垂直场景效果差距的来源。验证与校准，正在成为 AI 工程新的价值高地。