Prithvi-EO-2.0
NASA与IBM联合开发的地球观测地理空间基础模型，基于Transformer架构，在多光谱卫星时序数据（HLS数据集）上进行自监督预训练，支持微调适配作物分类等下游遥感任务
时间轴 (近 90 天)
一项发表于arXiv（arXiv:2610.08810）的研究系统评估了Prithvi-EO-2.0模型在三大洲、12个国家、37个事件中的分布外表现
模型的平均总体精度（OA）从美国的0.65下滑到欧洲的0.40
研究发现跨大陆精度衰退很大程度上并非源于空间迁移本身，而是物候错配（phenological misalignment）
当观测窗口与当地作物物候期不对齐时，模型精度崩盘但确定性置信度依然很高，即模型会自信地犯错
八对事件中有七对的期望校准误差（ECE）上升，受影响场景中有12%-51%的区域被模型以接近零精度自信地错标
将13个类别整合为10个（合并模型主要混淆的类别），平均OA提升了8.4个百分点
模型在45到90天的观测窗口内都能保持精度，平台期在约75天处达到峰值；窗口压缩到30天以下时精度比平台期低约0.11
合并混淆类别和校准观测窗口两种调整均无需重新训练模型即可挽回精度
全部知识事实 (8)
一项发表于arXiv（arXiv:2610.08810）的研究系统评估了Prithvi-EO-2.0模型在三大洲、12个国家、37个事件中的分布外表现
50%待验证模型的平均总体精度（OA）从美国的0.65下滑到欧洲的0.40
50%待验证研究发现跨大陆精度衰退很大程度上并非源于空间迁移本身，而是物候错配（phenological misalignment）
50%待验证当观测窗口与当地作物物候期不对齐时，模型精度崩盘但确定性置信度依然很高，即模型会自信地犯错
50%待验证八对事件中有七对的期望校准误差（ECE）上升，受影响场景中有12%-51%的区域被模型以接近零精度自信地错标
50%待验证将13个类别整合为10个（合并模型主要混淆的类别），平均OA提升了8.4个百分点
50%待验证模型在45到90天的观测窗口内都能保持精度，平台期在约75天处达到峰值；窗口压缩到30天以下时精度比平台期低约0.11
50%待验证合并混淆类别和校准观测窗口两种调整均无需重新训练模型即可挽回精度
50%