📖 AI 总结

本文介绍了AFDBench，一个面向国家气象局天气预报讨论文本的生成式AI评估基准与训练框架。研究指出，大语言模型在生成高风险的天气预报文本时容易出现数值幻觉，影响气象信息传达的可靠性。为此，作者构建了包含7,732篇来自13个NWS办公室的专家撰写讨论文本，并配套真实AI气象预报数据，同时提出三项评估指标：数值准确性（Met-Align）、专业文体一致性（Style-Align）和输入数据忠实度（Input-Grounding）。零样本测试显示，开源模型在专业文体上得分较低（约0.33），对输入数据的利用也不够充分。通过引入基于领域奖励的GRPO强化学习，模型在两个未见NWS办公室的1,033个样本上，Style-Align从0.318提升至0.619，Input-Grounding从0.881提升至0.940，显著增强了模型撰写专业气象文本和解读AI数据的能力。该研究为气象领域生成式AI的可信应用提供了新思路。

🔑 关键词速览