我们开发了一种基于人工智能的模型，能够提前七天预测极端水文事件，该模型在全球各大洲、各种提前期和重现期下均优于现有的全球水文模型，特别适用于没有测量的流域，该研究的成果已被纳入全球超过 80 个国家的运行中的预警系统，提供免费的实时预测。

Jul, 2023

该研究对实时洪水检测和管理这一关键问题进行了研究。它创新地将先进的深度学习模型与大型语言模型（LLM）相结合，提高了洪水监测和响应能力。该方法通过提供更准确、多功能、用户友好和易于访问的解决方案，克服了当前方法的局限性。将 UNet、RDN 和 ViT 模型与自然语言处理相结合，显著提高了在各种环境（包括利用航空和卫星图像）中的洪水区域检测。实验评估证明了这些模型在准确识别和绘制洪水区域方面的有效性，展示了该项目在环境监测和灾害管理领域的潜力。

Jan, 2024

通过评估 GPT-4V 在解释气象图表和向用户适当传达天气风险方面的能力，尽管存在幻觉等挑战，该研究强调谨慎整合 GPT-4V 等工具在气象学中的必要性，强调人工监督和开发可靠、可解释的人工智能。

Apr, 2024

利用 OpenAI 的最先进的大型语言模型 GPT-4，我们在 Metaculus 平台上进行了为期三个月的预测比赛，并发现 GPT-4 在真实世界的预测任务中明显表现不佳，相较于中间值的人类众测，其概率预测明显不准确。

Oct, 2023

利用 FloodBrain 工具，我们测试了不同的大型语言模型作为生成洪水灾害影响报告的基础，与人工撰写的报告进行对比评估，并通过从网络上提取和整理信息来生成详细准确的报告，旨在提高大型语言模型在灾害影响报告中的应用，减少人道主义救援行动的协调时间。

Nov, 2023

WildfireGPT 是一个使用大规模语言模型的原型代理软件，为决策者和政策制定者提供有关野火风险的详细、用户特定的见解，其中包括大规模语言模型、野火细节、气候变化、可操作见解和野火风险。

Feb, 2024

本文评估了 GPT-3 在生成极端主义文本方面的潜在滥用可能性，表明其在生成极端主义文本方面比之前的 GPT-2 取得了显着进展，并呼吁 AI 利益相关者、决策制定机构和政府采取措施来避免大规模的在线激进化和招募风险，并建立社会规范、公共政策和教育计划，以预防机器生成的谣言和宣传。

Sep, 2020

通过结合稀疏注意机制和引入非线性输出层的变体模型，本研究基于变压器模型对水位进行多步预测，并考虑同时的气象和水文因素。结果表明，该变体模型相比传统的变压器模型，在不同的前瞻时间内以各种评估指标显示出更好的性能。基于 XAI 技术的敏感性分析显示出气象因素对水位演变的显著影响，其中温度是最重要的气象因素。因此，同时考虑气象和水文因素对可靠的水文预测和防洪工作至关重要，并且 XAI 技术帮助理解预测结果并评估其合理性。

May, 2024

该研究旨在探讨人工深度神经网络在洪水预测中的性能，为预测水位、提供数据集，并表明神经网络在时间序列预测中非常有用，并支持通过数据同化来改进现有模型。

Feb, 2019

GPT-4V 在地理学、农业和城市规划领域的绩效评估中展现出潜力，但在一些需要细粒度识别和精确计数的任务中存在局限性。

Dec, 2023