arXiv 机器学习· Jaewan Park, Seid Koric, Giri Krishnan, Sudhakar Pamidighantam, Surresh Marru·· 9 小时前AI 评分35
超越局部精度：PDE 基础模型长程推演可靠性基准评测
Beyond Local Accuracy: Benchmarking the Rollout Reliability of PDE Foundation Models
AI 导读
PDE 基础模型在反复自回归推演中普遍存在误差放大，短程预测精度无法保证长程模拟的可靠性。在 144 个成对训练配置中，有 140 个的全程 VRMSE 超过短程指标，误差放大率中位数达 2.04，全程表现最优的 Walrus 放大率中位数亦达 2.70。研究指出相关基准测试应报告时间分辨的绝对误差、放大统计与失效发生率，而非单一局部预测分数。
来源：arXiv 机器学习 · arxiv.org