热点事件持续更新
研究揭示PDE基础模型长程推演普遍存在误差放大
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月26日发表于arXiv的研究指出，偏微分方程（PDE）基础模型在反复自回归推演中普遍存在误差放大现象，短程预测的高精度无法确保长程模拟的可靠性。评测结果显示，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；即便是全程表现最优的Walrus模型，其放大率中位数也达2.70。该研究认为，相关基准测试应当报告时间分辨的绝对误差、放大统计与失效发生率，而非仅依赖单一的局部预测分数。
AI 根据报道生成 · 7 小时前更新
最新进展10月26日 12:00
研究指出PDE基础模型长程推演普遍存在误差放大，呼吁改进基准评测指标。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习超越局部精度：PDE 基础模型长程推演可靠性基准评测
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。
本事件热度走势
当前热度 8·可比范围峰值 10（10月26日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。