更自信的天气预测，不一定是更好的概率预测。PBC研究的切口是修正已有预报的系统误差，而不是再造一套完整天气模型。对开发者更值得复用的问题是：怎样确认概率输出有效，怎样避免把未来才能得到的观测混进训练，以及该用什么分数验收。

Google News在10月22日收录相关报道；微软研究页面与Nature论文均标明这项研究在10月14日公开。这里是近期研究解读，不把再次收录日期当成新品发布时间。Read in English。

先分清修正器、基础预报与本地算例

微软原始介绍聚焦两到六周的次季节预报。已发表的Nature论文说明，PBC利用历史预报和观测学习概率修正，并结合两个互补校正器，将结果约束为有效累积分布后组合。

这不是“预测任意一天一定下雨”的承诺。它输出的是有明确时空目标的概率。我们下面只实现概率结构、评分和数据可用时间的教学检查，没有下载气象数据、训练校正器，也没有复现论文成绩。

应把三种证据分开保存：基础模型原本的预报、校正方法的实际输出，以及本地构造样例的数学结果。一个能正确计算评分的脚本，不能证明某个校正器在真实数据上提升了预报质量。

概率有顺序，不能逐项夹到0与1就算有效

用五个从低到高的类别做示意，累积概率F=(0.2,0.4,0.6,0.8,1)表示“落在当前类别或更低类别”的概率。它需要落在0到1之间、随类别不下降，最后覆盖全部类别而达到1。

F=(0.5,0.4,0.7,0.8,1)每个数都在0到1内，却不是有效累积分布：第二个阈值比第一个更宽，概率反而更小。只做clip或只检查每项范围，不能证明这一结构成立。

对应的类别概率来自相邻累积值相减。若F下降，就会出现负类别概率。任何后处理都应先说明处理的是类别概率还是累积概率，不能把两种数组都叫“概率向量”，然后套用同一归一化操作。

单次分数，和长期概率可信度不同

构造十次二元事件，其中六次发生。系统A每次报0.9，系统B每次报0.6；按0.5阈值分类，两者都判断发生，准确率同为60%。但平均平方概率误差分别为0.33和0.24，B在这个人为集合上更好。

这个例子说明阈值分类丢掉了置信程度。它不能证明常数0.6能预测真实天气，也不能证明只有十条样本就足以判断校准。要谈“报60%的事件长期约60%发生”，需要足够样本，并检查分组、季节和目标是否可比。

反过来，单次事件发生，也不能说报0.9必然比报0.6错。概率评价依赖样本集合和选择的评分规则。只挑命中的天气截图，无法建立整体概率质量的证据。

有序类别的评分，要让距离进入问题

对已经落在第三类的一个观测，累计指示O=(0,0,1,1,1)。定义教学评分RPS为各项(F−O)平方之和。均匀分布的F=(0.2,0.4,0.6,0.8,1)得到0.4，较集中的F=(0.1,0.2,0.8,0.9,1)得到0.1。

选同一基准后，skill=1−模型总误差/基准总误差。这个单样本示例得到0.75，它只是相对基准的误差改善，不是“75%的天气预测正确”。若模型误差比基准大，skill可以为负；基准误差为0时，还必须另行处理分母。

真实评估通常要汇总多个时空目标，并明确权重。不能先为每个样本算一个比值再随意平均，假装等同于先求总误差再取比值。基准、时间窗口和权重改变，比较的问题也就改变了。

日期在过去，数据也可能在当时不可用

训练记录的目标日期早于发报日，不足以证明没有泄漏。假设发报时刻是10，某观测对应目标时刻8，却到12才完成发布；在10时训练时使用它，仍然用了未来信息。应检查实际可用时间，而不只检查目标所属日期。

代码用三个虚构记录表示这件事：available=9的记录可进入时刻10的训练，available=12的不能，未知可用时间也不能默认为已经可用。这是离线回放最容易被忽略的输入契约之一。

真实资料还可能修订。验证历史运行时，应区分“今天能拿到的最终版本”和“当时已经发布的版本”。把最终观测或更新过的基础预报直接放回历史实验，可能夸大当时真正能做出的预测能力。

十四项检查，既验分数也验输入契约

这只是一个观测的评分对照，不能用它反推哪一组预报长期校准更好；长期可靠性与单次锐度需要跨样本验证。

代码只用Python标准库，检查累积分布单调性、末项、两组评分、分类准确率相同但概率误差不同，以及按可用时间筛选记录。类别索引还要求整数，并拒绝布尔值冒充整数，避免把接口错误当成合法类别。所有数值都是人为构造，代码没有运行PBC或气象预报系统。

# Constructed probability checks; this does not train or run PBC.
from math import isclose,isfinite

def valid_cdf(f):
    return bool(f) and all(isfinite(x) and 0<=x<=1 for x in f) and f[-1]==1 and all(a<=b for a,b in zip(f,f[1:]))
def rps(f,observed_bin):
    if not valid_cdf(f) or type(observed_bin) is not int or not 0<=observed_bin<len(f):
        raise ValueError('valid CDF and category required')
    return sum((p-float(k>=observed_bin))**2 for k,p in enumerate(f))
uniform=(.2,.4,.6,.8,1.)
focused=(.1,.2,.8,.9,1.)
assert valid_cdf(uniform)
assert not valid_cdf((.5,.4,.7,.8,1.))
assert not valid_cdf((.2,.4,.6,.8,.9))
assert isclose(rps(uniform,2),.4)
assert isclose(rps(focused,2),.1)
assert isclose(1-rps(focused,2)/rps(uniform,2),.75)
assert rps((.8,.9,.95,.98,1.),2)>rps(uniform,2)
y=[1]*6+[0]*4
brier=lambda p:sum((p-z)**2 for z in y)/len(y)
assert isclose(brier(.9),.33)
assert isclose(brier(.6),.24)
assert sum((.9>=.5)==bool(z) for z in y)==sum((.6>=.5)==bool(z) for z in y)==6
rows=[{'target':8,'available':9},{'target':8,'available':12},{'target':7,'available':None}]
allowed=[r for r in rows if r['available'] is not None and r['available']<=10]
assert allowed==[rows[0]]
try:
    rps((.7,.4,.8,.9,1.),2)
except ValueError:
    pass
else:
    raise AssertionError('decreasing CDF accepted')
for bad_bin in [1.5,True]:
    try:
        rps(uniform,bad_bin)
    except ValueError:
        pass
    else:
        raise AssertionError('noninteger category accepted')
print('14 probability and availability checks passed')

这里没有实现论文中的校正器或有效分布投影算法。尤其把一个非法CDF简单改成合法形式，并不等于完成了论文方法；结构有效只是必要条件，改动后是否保留预测信号仍需要独立评估。

论文成绩要带着条件读

原论文评测包含全球1.5°网格、五分位目标，以及第3周（提前19–25天）和第4周（提前26–32天）窗口，使用相对气候基准的RPSS。作者报告校正后技能改善；这是论文作者的评测，不是本站独立复现。不能将它翻译成“提前一个月每天都准确”。

跨地区、跨变量与跨季节迁移时，仍要验证基础模型版本、观测可用性、基准和时间切分。历史年份上的改善并不自动回答每一个新地区或极端样本的表现；总体分数也可能掩盖小样本区域的不确定性。

对于工程应用，可以先固定基础预报，对比未校正、简单基准与候选校正器，使用相同的发行日期和目标集合。先确认无泄漏，再比较评分；否则一个漂亮的数值可能只反映信息优势，而不是方法优势。

站内pos_weight与概率含义讨论了训练权重改变分数语义。本篇补充的是预测分布、评分基准和数据时间这三层验收，不能只看一个输出是否处于0到1。

如果这些概率与时间边界算例帮你审查一个预测或校准流水线，欢迎通过文末自愿支持。可复用的成果是把有效分布、概率质量与历史可用数据分开验证的方法。

来源与文章日期

Microsoft research story · Nature paper publishedOctober14 · Author code repository

通过Google News条目发现并打开原始公告；来源时间早于原计划时段。示例与图形为原创教学内容，不是产品测评或真实账户操作。计划文章日期为2026年10月22日16:00北京时间；实际排期或公开状态另行核验，补发不表示此前已经公开。