arXiv cs.AI· Makoto Kelp, Amirhossein Arzani, Patricia Castellanos, Paul Griffiths, Ivan Higuera-Mendieta, Manuel Perez-Carrasco, Viral Shah, Patrick Obin Sturm, James Weber·· 9 天前AI 评分22
地球科学中 AI 模型的战略治理
Strategic Governance of AI Models in Earth Science
AI 导读
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，其发展速度已超出科学界的评估能力。这些模型几乎仅靠 benchmark 技能指标评判，而技能指标只衡量预报对参考产品的复现程度，不反映模型是否表征了所预测系统的物理过程。
正文 · AI 翻译
摘要：基于天气和气候数据预训练的 AI 基础模型正越来越多地被微调用于远超天气预报的地球科学任务。它们的开发和应用速度超过了科学界对其进行评估的能力。这些模型几乎完全以基准技能指标来评判，这些指标衡量的是预报在多大程度上复现了参考产品，而非模型是否表征了支配其所预测系统的物理过程。因此，预报技能与物理可靠性是两种不同的属性。在气候变化带来的非平稳条件下——这些模型从未在此类条件下接受训练——这一区分最为关键。我们确定了地球科学中 AI 模型物理评估的五个优先事项，涵盖从任务特定的模拟器到基础模型，涉及训练数据、微调、行为测试、机制可解释性和输出验证。我们为未来十年建议了三项活动：1）开放的 AI 就绪评估数据集，2）基于物理的评估的共享报告标准，3）针对这些模型安全性的专门研究计划。
| 学科： | 物理学与社会（physics.soc-ph）；人工智能（cs.AI）；机器学习（cs.LG）；大气与海洋物理（physics.ao-ph） |
| 引用为： | arXiv:2610.10560 [physics.soc-ph] |
| （或 arXiv:2610.10560v1 [physics.soc-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10560 arXiv 颁发的 DOI，通过 DataCite（待注册） |
提交历史
来自：Makoto Kelp [查看电子邮件]
[v1]
2026年10月1日星期四 00:15:04 UTC（3,956 KB）
来源：arXiv cs.AI · arxiv.org