行星预测引擎：基于智能数据选择与基础模型嵌入的自主地理空间预测

研究人员提出行星预测引擎（PPE），这是一个自主AI系统，能从自然语言查询开始，自动完成数据检索、多模态融合与模型选择。PPE在多个任务中超越基线：美国空间回归中，21项CDC健康指标R²从60.0%提升至76.8%；尼日利亚粮食安全指标预测R²从31.5%提升至66.1%。

此前地理空间建模依赖人工数据获取、融合与模型迭代，效率低且难扩展。PPE首次将这一端到端流程自动化，无需手动干预即可从自然语言查询直接生成预测结果，并在健康、灾害、社会脆弱性等关键领域显著提升精度，或可降低专业建模门槛。

PPE通过自动检索开放网络与地球观测平台（如Data Commons、Google Earth Engine）的时空相关协变量，并将它们与地理空间基础模型嵌入（PDFM、AlphaEarth）融合，同时搜索任务适配的模型架构并设置过拟合防护。其自动化数据选择与融合机制是其性能提升的关键。

对依赖地理空间分析的团队（如灾害响应、公共卫生、农业监测），PPE可减少数据工程与模型调优的人力投入，加速预测周期，可能替代部分手动建模流程。但当前证据仅来自arXiv预印本，未见API或开源代码，产品化成熟度未知。

• 在灾害风险监测平台中集成PPE，自动生成区域风险评估报告，替代人工数据整合流程。
• 为农业科技公司提供基于PPE的粮食安全预测API，接入地方粮食供应预警系统。
• 开发面向公共卫生机构的流行病时空预测工具，利用PPE的Recall@10能力辅助疫情响应。
• 与地球观测数据平台合作，提供以自然语言查询驱动的高阶分析服务。

• PPE的自动化数据选择机制在真实业务场景中的稳定性和鲁棒性如何？
• PPE目前是否开放代码、API或商业许可？
• 该研究是否经过独立第三方验证或同行评议？
• 在尼日利亚案例中，跨区域的迁移性能是否已验证？