面向极端天气诊断的 HVR-Met 假设-验证-再规划智能体系统
人工智能
2026-03-03 v1
摘要
尽管深度学习天气预报范式取得了显著进展，但针对极端天气诊断仍面临巨大挑战。这一差距主要源于诊断过程需要复杂的多步骤逻辑推理、动态工具调用以及专家级的先验判断。虽然智能体在任务分解和自主执行方面具有天然优势，但当前架构仍受制于关键瓶颈：专家知识整合不足、缺乏针对复杂工作流程在极端条件下的专业级迭代推理循环，以及缺乏细粒度的验证和评估体系。为此，我们提出了 HVR-Met，一种深度集成专家知识的多智能体气象诊断系统，其核心创新是“假设-验证-再规划”闭环机制，促进对极端天气事件中异常气象信号的复杂迭代推理。为弥补现有评估框架之间的差距，我们进一步引入了聚焦于原子级子任务的新型基准。实验证据表明，该系统在复杂诊断情景中表现出色。
引用
@article{arxiv.2603.01121,
title = {HVR-Met: A Hypothesis-Verification-Replaning Agentic System for Extreme Weather Diagnosis},
author = {Shuo Tang and Jiadong Zhang and Jian Xu and Gengxian Zhou and Qizhao Jin and Qinxuan Wang and Yi Hu and Ning Hu and Hongchang Ren and Lingli He and Jiaolan Fu and Jingtao Ding and Shiming Xiang and Chenglin Liu},
journal= {arXiv preprint arXiv:2603.01121},
year = {2026}
}