误报率优化

基于组相对策略优化的实时长时空气质量预测

Real-Time Long Horizon Air Quality Forecasting via Group-Relative Policy Optimization

将GRPO与类别奖励、课程rollout结合，用于优化非对称代价下的时空预测，可迁移到视觉中的长时预测任务（如视频预测、气象场预测）以降低误报率。