AI构建ENSO模型评测

报告主题：SciExam for ENSO，AI智能体能自己搭建气候模型吗? 报告日期：10月21日（下周三） 10:30-11:30 导语：今年冬天大概率会迎来一次很强的厄尔尼诺，NOAA预计其发展为强事件的概率超过90%，ENSO再次成为全球气候的焦点。 AI能否像气候科学家一样，自己建立一个个描述ENSO的模型？

让AI agent从原始海洋观测数据出发，自主构建ENSO的概念模型，并在没有标准答案的情况下检验其科学有效性——SciExam for ENSO：每个agent只有6小时，全程看不到评分，只能依靠自己事先写好并冻结的诊断来改模型。 隐藏评分像器科学家验检模型一样，从统计特性、变量间的动力耦合（通过数据同化重建被隐藏的变量）和对未见年份的预测三个方面打分，并用同一标准评估一个已发表模型作参考。

12个Agent系统中，6个模型综合得分超过已发表模型（0.378），Claude Fable 5.1和Kimi K3分别达到0.515和0.479。 最奇神的发现：厄尔尼诺为什么通常拉比尼娜更强？ 学界一直存在两种竞争解释，一种归因于非线性确定性动力学，另一种归因于随状态变化的随机扰动机制。 我们将AI构建的模型精到核心结构后，发现它们恰好分成两派，而任务未从提及其中任何一种机制。 AI在独立建的过程中，重现了一场未尚定论的学科争论。

报告论文： arXiv：https://arxiv.org/abs/2610.10513 Webpage：https://enso.aisexam.com 报告要点：语言模型智能体正被越来越多地用于开放式科学研究，但现有评测大多依赖已知答案、评分细则或大模型评审，难以判断一个全新的科学模型是否成立。 本次智源Talk特邀张寅玲博士，分享SciExam for ENSO：一个让AI智能体从真实观测数据出发、在六小时内自主构建厄尔尼诺（ENSO）随机气候模型的长程评测基准。

在12个前沿智能体系统中，有6个构建出的模型得分超过已发表的参考模型，且较强模型的简化形式分别对应了ENSO冷暖不对称性的两种竞争性解释，而这一科学争论在任务中从未被提及。 语言模型智能体正越来越多地被用于开放式科学研究，但其结果通常依据已知答案、评分细则或语言模型评审来打分，这些方式都无法判断一个新的科学模型是否有效。 厄尔尼诺-南方涛动AI科学考试（SciExam for ENSO）是一个评测基准：智能体需要从真实观测数据出发，为年际气候变率的主导模态ENSO构建低阶随机模型。

在六小时的预算内，智能体自行处理观测数据、编写自己的诊断工具，并仅以这些诊断为反馈来开发模型。 隐藏的评分器随后检验模型能否复现ENSO的统计特征、恢复未观测变量、预报留出年份，并以同样方式为一个已发表模型打分。 在12个智能体系统中，有6个构建的模型得分高于已发表模型，优势主要来自更好的状态重构与预报能力。 较强模型的简化形式各自与ENSO冷暖不对称性的两种竞争性解释之一相容，而这一尚无定论的争论在任务中从未被提及。

对排名第一的系统在不同信息条件下进行的对照实验表明，其得分并非来自对带日期观测记录的记忆，且它所获得的信息会影响其建模方式。 因此，SciExam for ENSO能够在没有已知答案的情况下评估智能体的科研工作，结果也表明，智能体已经能够构建具有竞争力的模型，其结构与科学家仍在争论的问题直接相关。 报告嘉宾：张寅玲博士本科毕业于上海交通大学数学系，于威斯康星大学麦迪逊分校获数学博士学位，现任俄亥俄州立大学数学系访问助理教授。

研究方向为AI智能体的科学能力评测与数据驱动的科学建模，涵盖随机动力系统、数据同化、因果推断与方程发现，以及物理约束机器学习，应用于ENSO等气候系统和材料力学中的极端事件。 作为第一作者主导了SciExam for ENSO基准的研发。 此前发展了基于因果推断的方程发现方法，能够在关键变量不可观测的情况下从数据中恢复简洁、可解释的随机模型，并构建了刻画ENSO多样性及MJO与ENSO多尺度相互作用的随机概念模型。

已在Journal of Climate、JAMES、Physica D、Journal of Computational Physics、JMPS、Proceedings of the Royal Society A等期刊发表论文10篇，其中7篇为第一或通讯作者。