RecodeX 重构消息，麻省理工学院研究团队在《自然》发表论文，提出一种机器学习后处理层，通过学习历史数据中现有预报模型的误差并修正其输出，将两周到六周时间尺度的预报准确率提高一倍。该模型在欧洲中期天气预报中心（ECMWF）的季节间预报竞赛中排名第一，首次在该时间范围内稳定超过气候学平均值，并显著改善对洪水、寒潮等极端天气事件的预测。模型已开源、成本较低，可附加于任意预报模型，肯尼亚气象部门已接洽用于改进季风季预报。