像复刻一道菜，只拿到成品照片和部分配方远远不够。AI进入地球系统模型后也是如此：这类模型原本用数学方程模拟大气、海洋、陆地等系统，如今又接入从数据中学习的AI模块。结果不再只取决于物理方程，还受训练数据、模型参数、软件版本、随机性和计算硬件影响。别人即使拿到代码，也未必能重做出相符结果。
Guonian Lü在这篇Perspective（提出观点与路线的文章）中，将问题归纳为数值不稳定、流程不透明和算力获取不对称，并提出RHEM参考指南，希望把可复现性从研究完成后的补充检查，变成建模流程本身的结构属性。这个转向值得注意：气候风险评估若无法追踪结果如何生成，就更难验证差异究竟来自算法实现、系统自身的复杂变化，还是资源条件。现有公开材料仅为订阅内容预览，未披露RHEM的具体检查项和实施效果，因此它目前更像一份治理路线图，而非已经验证的技术方案。