PnP-Corrector：用于耦合时空预测的通用纠正框架
人工智能
2026-05-14 v2 机器学习
摘要
耦合时空预测对于预测多个相互作用动力学系统的未来演化至为重要，例如在气候模型中。然而，现有方法严重受限于复合误差的持续瓶颈。在耦合系统中，来自各子系统模拟器的误差会相互传播和放大，我们称之为互惠误差放大（Reciprocal Error Amplification），导致长期预测迅速崩溃。为解决这一挑战，我们提出了一个通用框架，称为PnP-Corrector（插即插纠正器）。我们框架的核心思想是将物理仿真与误差校正过程解耦：该框架冻结预训练的物理仿真引擎，仅训练纠正代理以主动抵消来自耦合系统所产生的系统性偏差。此外，我们设计了一个高效的预测模型架构，DSLCast，作为该框架的骨架。大量实验表明，我们的方法显著增强了耦合预测系统的长期稳定性和准确性。例如，在具有挑战性的300天全球海气耦合预测任务中，我们的PnP-Corrector框架将基线模型的预测误差降低29%，并在多个关键指标上超越了最先进的模型。
关键词
引用
@article{arxiv.2605.08935,
title = {PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting},
author = {Hao Wu and Fan Xu and Yuxu Lu and Penghao Zhao and Fan Zhang and Hao Jia and Yuxuan Liang and Ruijian Gou and Qingsong Wen and Xian Wu and Xiaomeng Huang and Yuan Gao},
journal= {arXiv preprint arXiv:2605.08935},
year = {2026}
}