气象学的智能体框架：Zephyrus
人工智能
2026-03-18 v2 机器学习
大气与海洋物理
摘要
气象学的基础模型在大规模结构化数值数据上进行预训练，优于传统气象预测系统。然而，这些模型缺乏基于语言的推理能力，限制了其在交互式科学工作流程中的实用性。大型语言模型（LLM）擅长理解和生成文本，但无法推理高维气象数据集。我们通过构建气象学的首个智能体框架来弥合这一差距。我们的框架包括用于智能体与气象数据交互的 Python 代码环境（ZephyrusWorld），集成了包括 WeatherBench 2 数据集索引器、从自然语言进行地理编码的地理定位器、气象预测、气候模拟功能，以及用于查询多尺度气候统计学统计信息（如均值、极值和分位数）的气候学模块。我们设计了 Zephyrus，一个基于多轮 LLM 的气象智能体，能够迭代分析气象数据集、观察结果并通过对话反馈循环不断 refinement its 方法。我们随同该智能体推出了新的基准测试 ZephyrusBench，具备可扩展的数据生成管道，可构建涵盖气象相关任务的多样化问答对，从基础查询到高级预测、极端事件检测和反事实推理。在该基准测试上的实验表明，Zephyrus 智能体在文本-only 基线之上表现出色，在正确性方面提升了最高可达 44 个百分点。然而，即便使用前沿 LLM，困难任务仍然具有挑战性，这凸显了本基准的难度，并为未来发展指明了方向。我们的代码和基准可在 https://github.com/Rose-STL-Lab/Zephyrus 查阅。
引用
@article{arxiv.2510.04017,
title = {Zephyrus: An Agentic Framework for Weather Science},
author = {Sumanth Varambally and Marshall Fisher and Jas Thakker and Yiwei Chen and Zhirui Xia and Yasaman Jafari and Ruijia Niu and Manas Jain and Veeramakali Vignesh Manivannan and Zachary Novack and Luyu Han and Srikar Eranky and Salva Rühling Cachay and Taylor Berg-Kirkpatrick and Duncan Watson-Parris and Yi-An Ma and Rose Yu},
journal= {arXiv preprint arXiv:2510.04017},
year = {2026}
}