机构名称：
¥ 1.0
摘要 - 随着气候变化的越来越多的影响，人们对可访问工具的需求不断增长，这些工具可以提供可靠的未来气候信息，以支持计划，金融和其他决策应用程序。大语言模型（LLMS），例如GPT-4O，提出了一种有希望的方法，可以弥合复杂的气候数据与公众之间的差距，为非专业用户提供一种通过自然语言互动获得基本气候见解的方式。然而，一个基本的挑战仍然没有得到充实：评估LLM提供准确可靠的未来气候预测的能力，这对于依靠预期气候趋势的应用至关重要。在这项研究中，我们研究了GPT-4O在预测短期（15天）和长期（12个月）尺度的降雨方面的能力。我们设计了一系列实验，以评估在不同条件下的GPT性能，包括有或没有专家数据输入的方案。我们的结果表明，GPT在独立运行时倾向于产生保守的预测，通常在没有明确趋势信号的情况下恢复历史平均值。这项研究强调了将LLMS应用于未来气候预测的潜在和挑战，从而提供了与气候相关应用程序整合的见解，并提出了提高其在现场预测能力的方向。
探索气候预测的大型语言模型
主要关键词
相关文件推荐
