ИИ и сложнейшие проблемы мира · Науки о Земле и климате · arXiv · 2026-10-20
Конвейеры данных со смещением в сторону осадков искажают обучение и оценку генеративного наукастинга осадков
Оригинальное название: Wet-Biased Data Pipelines Mislead the Training and Evaluation of Generative Precipitation Nowcasting
Генеративные модели наукастинга осадков обычно обучаются и оцениваются на наборах данных со смещением в сторону влажных условий, а тестовые случаи, отобранные по целевым наблюдениям, могут сдвигать распределение, которое изучает модель. Авторы аналитически показывают, что такое смещение выборки может скрывать смещение обучения. На примере фиксированной диффузионной модели «спутник — радар» они показывают, что оценка калибровки может меняться на противоположную в зависимости от тестового набора: модель выглядит недопрогнозирующей на тестовом наборе со смещением к влажным условиям и перепрогнозирующей на наборе, репрезентативном для условий эксплуатации.