“太罕见而无法学习：规定的气旋路径会破坏孟加拉湾海洋模型”

研究团队在孟加拉湾测试中发现，将飓风作为预设输入给神经网络海洋模拟器会损害预报效果。研究人员从 GLORYS12 再分析数据中剔除 15 个风速介于 65 至 150 节的全年飓风，对比两种仅相差四个预设飓风轨迹通道的相同 U-Net 模型。结果显示，在所有三次种子运行中，无风暴条件的海洋模型均优于持续预测法，而引入预设风暴的模型在每次运行中均落后，且两者技能范围互不重叠（p = 3.1e-5）。造成该问题的原因是暴露频率而非信号内容：这些通道仅在训练日的 7.9% 上非零，一旦激活即处于分布之外。额外误差集中在预设风暴足迹内，在推理阶段用无风暴图替换真实飓风图，使留出的风暴预报精度在每个种子中均提升 7.5 至 16.4%。这表明条件网络已学习到对罕见且错误信号的响应。