HVR-Met：一种用于极端天气诊断的假设 - 验证 - 重规划智能体系统

尽管基于深度学习的天气预报范式已取得显著进展，但极端天气诊断仍面临巨大挑战。该过程需要复杂的多步逻辑推理、动态工具调用及专家级先验判断。针对现有智能体架构在专家知识整合、专业级迭代推理循环及细粒度验证方面的不足，本文提出了 HVR-Met。这是一个深度融合专家知识的多智能体气象诊断系统，其核心创新在于“假设 - 验证 - 重规划”闭环机制，旨在实现对极端天气下异常气象信号的复杂迭代推理。此外，文章还引入了面向原子级子任务的新基准以填补评估空白。实验表明该系统在复杂诊断场景中表现卓越。