IXThinker·2026-05-16 19:00EMFormer入選ICML 2026 累積上下文革新氣象預測
長期天氣預報受誤差累積與算力成本困擾，EMFormer 團隊的多尺度 Transformer 架構獲 ICML 2026 接收，兼顧精度與效率，為 AI 氣象預報提供新範式。
研究獲頂會收錄
國際機器學習頂級會議 ICML 2026 近期公布接收名單，題為高效多尺度 Transformer 用於累積上下文氣象預報的研究入選。該工作由 EMFormer 團隊完成，聚焦長期預報中誤差不斷累積的核心難題。
隨着全球氣候變化加劇，極端天氣更趨頻繁，預報系統要處理的時空關係愈趨複雜，傳統數值模式與早期深度學習方法在長序列預測上均遇瓶頸，業界期待新架構帶來突破。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。