IA e os Problemas Difíceis do Mundo · Ciências da Terra e do clima · arXiv · 2026-10-20
Pipelines de dados com viés úmido enganam o treinamento e a avaliação da previsão imediata generativa de precipitação
Título original: Wet-Biased Data Pipelines Mislead the Training and Evaluation of Generative Precipitation Nowcasting
Modelos generativos de nowcasting de precipitação geralmente são treinados e avaliados em conjuntos de dados com viés úmido, e casos de teste selecionados com base nas observações-alvo podem deslocar a distribuição aprendida pelo modelo. Os autores mostram analiticamente que esse viés de amostragem pode ocultar o viés de treinamento. Usando um modelo de difusão fixo de satélite para radar, eles mostram que a avaliação de calibração pode se inverter dependendo do conjunto de teste: o modelo parece subestimar em um conjunto de teste com viés úmido e superestimar em um conjunto representativo da implantação.