天气基础模型中极地涡旋的解释与引导

基于摘要分析。本研究针对机器学习天气预报（MLWP）模型的黑箱问题，考察 Aurora 基础模型是否在内部表征极地涡旋这一大尺度大气现象，以及能否通过潜在空间干预改变其预报。作者将 contrastive activation addition 适配到 Aurora 的潜在空间，作者报告，潜在表征注入能够增强或减弱预报中的极地涡旋。 技术上，研究把内部表征分析与可控干预联系起来：不仅询问模型是否包含与特定大气现象相关的信息，还检验修改潜在表征能否定向改变输出。摘要同时说明，作者量化了干预后预报的物理一致性；但未提供具体指标、数值或结论，因此尚不能判断这种引导在多大程度上保留了合理的大气动力学行为，也不能将输出变化直接视为模型已学到该现象因果机制的证据。 潜在注入方向的构造、注入位置与强度、数据来源、预报时效、对照基线、实验协议、消融及统计信息尚未验证，复现条件需待全文确认。论文的主要研究对象是天气预报，而非 EEG 或 BCI；现有材料不足以建立其物理一致性检验与神经信号解码之间的具体对应关系，不据此推断 BCI 有效性。已有 EEG 相关工作尚未检索确认。