一个月后会不会持续偏热、降水风险是否升高，过去很难提前判断。误差会随时间累积，越往后越不可靠。这里说的也不是精准报出某天晴雨，而是次季节预报——提前2至6周判断气温、降水等趋势和风险概率，为播种、野火准备、水资源和能源管理争取时间。
据 Nature 报道，2026年10月发表的《Advancing subseasonal forecasting with machine learning》提出了一种概率偏差校正方法。它像给一只总是慢五分钟的钟重新对时：机器学习从历史预报与实况的差异中，纠正系统长期偏冷、偏湿或高估某类结果的问题。它校准的是 ECMWF 的传统动力模型和 AI Forecasting System 的输出，并不取代原有预报系统。
最值得注意的是，论文报告这套方法让 AI Forecasting System 原本有限的次季节预测技巧约提高一倍。换句话说，AI在这里的价值不只是重新预测天气，也可以把已有预测调得更可信。效果数字来自论文及 Nature 报道，仍应理解为趋势与概率判断的改善，而非把每日天气的精确预报延长到一个月。