研究团队提出拓扑感知的河流基础模型 GraphRiverCast（GRC），可在无先验河流状态条件下，基于稀疏水文站观测对全球河网逐河段预测每日多变量水动力。GRC 表现优于强物理模型和机器学习模型，其预测技巧随预见期衰减很小，并可泛化到无观测河段和更高分辨率河网。归因实验显示，GRC 更多依赖拓扑与强迫信息重建河流状态，而非依赖时间递归。
推荐理由：论文提出以拓扑结构约束的河流基础模型，为观测稀疏的地球系统建模提供了一种可迁移思路。
作者提出 FoundPDE，一个用 Transformer 将离散时空轨迹映射为符号方程的预训练数据到符号基础模型，并结合傅里叶与一阶空间导数增强、数值系数精修和少样本微调。
推荐理由：论文给出预训练模型从数据直接映射符号方程的思路，并披露噪声与系数偏移下的识别率变化，便于判断这类方法的适用边界。
研究团队在 UKCA 化学气候模型的模拟数据上微调 Aurora 地球系统基础模型，构建出首个能刻画排放、大气成分与辐射相互作用的基础模型。该模型在 27 个预测场中有 23 个在对流层和平流层的 R² 超过 0.85，臭氧、CO 和温度的年度平均偏差低于 4%，下行短波与长波通量偏差在 6% 以内。
推荐理由：读者可了解大气化学气候模拟中基础模型的微调路径，以及它在速度与偏差上的具体表现。