2026年10月14日，微软研究人员在《自然》发表论文，发布开源机器学习工具“概率偏差校正”（PBC），称其能提高2至6周天气预报准确率；同日，Hugging Face博客介绍HiRO-ACEv2，称该系统能以约三百分之一成本生成全球3公里分辨率气候数据，并更准确模拟极端风雨和气压事件。
据The Verge报道，传统物理天气预报和AI模型在两周以上通常可靠性下降。微软称PBC不创建新的独立天气模型，而是用机器学习识别并纠正现有模型系统性偏差。微软新英格兰研究院高级首席研究员莱斯特·麦基表示，PBC可仅在CPU上运行，而物理模型依赖超级计算机、生成式AI依赖GPU。物理模型模拟大气物理，AI模型从历史数据找规律；两者面对稀疏气象站或复杂大气现象时用近似填补数据缺口，形成系统性偏差，预测越远误差越叠加。PBC可纠正气候变化偏差，例如模型可能因历史记录偏向比当前更冷的温度。研究显示，PBC将欧洲中期天气预报中心（ECMWF）领先物理模型的准确率提高，在98%的降水目标和92%的温度目标上有效；在该研究分析中，还将ECMWF新AI预报系统准确率提高一倍。论文发表前，ECMWF已在AI Weather Quest竞赛中奖励作者关于PBC的研究。ECMWF机器学习战略负责人马修·钱特里在给The Verge的邮件评论中说，这篇由微软、MIT、ECMWF等机构发表的论文“是新想法为社区利益和考虑而开发的好例子”，但“把想法转化为业务化流程是最具挑战性的一步”。
天气预报所需算力常使发展中国家机构难以获得技术进步。论文作者之一吉纳维芙·弗拉斯波尔说，PBC这类模型轻量、易训练，资源不多的科学家也能配置模型并让其在特定地区表现更好。她曾在微软实习时与麦基合作，现在是非营利机构Rhiza Research执行主任。该机构正与肯尼亚气象服务局合作，由盖茨基金会资助，测试AI能否帮助发出更准确预警。在预计因创纪录厄尔尼诺而更极端的雨季前，PBC是他们测试的方法之一。
Hugging Face博客介绍，HiRO-ACEv2是High Resolution Output Ai2 Climate Emulator系统最新更新。HiRO-ACE今年早些时候推出，包含在100公里粗分辨率运行的ACE模型，以及将粗输出细化到3公里的HiRO模型。v2最大变化是新降尺度模型HiROv2，可同时预测多个高分辨率场而非仅降雨，覆盖更广极端天气，并提高极端事件预测能力。
训练调整后，HiROv2在给定粗化的X-SHiELD数据时，能匹配目标模拟的高分辨率统计至3%以内，即使事件罕见至百万个数据点中出现一次。它还能准确估算热带气旋总能量，包括训练中未见过的风暴，并生成具有真实风眼和雨带结构的飓风，尽管风眼周围的风和气压仍比X-SHiELD更不对称；也能真实生成沿山坡下泄的强风。团队为系统训练了更新版ACE，在10年模拟中，其飓风、平均气候型态以及降雨、风、气压总体分布与X-SHiELD吻合。
将HiROv2与ACE结合，团队生成了一整年全球3公里数据，统计上与X-SHiELD接近，尽管HiRO基于ACE自行运行的模拟而非真实X-SHiELD数据。10年运行中，HiRO-ACEv2飓风能量与同期X-SHiELD相当，运行快照显示多种其他极端事件与X-SHiELD相似。生成全球高分辨率数据的成本约为运行X-SHiELD的三百分之一；若只需一个区域，根据面积大小，节省可超过一百倍。团队还在开发精简版HiROv2，可能再快十倍以上。
由于HiRO从X-SHiELD学习，目前只适用于与X-SHiELD匹配的ACE版本，尚不能为更暖未来或ERA5等历史记录等其他气候生成高分辨率数据。下一步计划在新X-SHiELD数据集上训练，包括模拟升温4°C的世界，并增加近地表温度、雪和冰等输出，以支持积雪预测等用途。团队建立网页演示，并排展示HiROv1、HiROv2与X-SHiELD的预生成降水、风和海平面气压输出；模型可下载，教程笔记本说明如何运行。