MIT 연구진은 2~6주 구간의 장기 기상예보 성능을 높이기 위해, 새 예보 모델을 처음부터 만드는 대신 기존 모델 출력 뒤에 붙는 AI 후처리 계층을 개발했다. 이 계층은 과거 예보와 실제 관측의 차이를 학습해 어떤 조건에서 오류가 반복되는지 찾고, 새 예보 결과를 그 패턴에 맞춰 보정한다. 단순 평균 오차 보정보다 머신러닝으로 편향과 오류 구조를 반영한다는 점이 핵심이다. 또 특정 날짜를 하나의 값으로 고정하지 않고, 가능한 여러 기상 상태의 확률을 함께 고려하도록 설계됐다.
연구팀은 이 기술을 ECMWF의 예보 모델에 적용해 성능을 검증했고, 2025년 계절별 예측 모델 평가에 제출한 3개 모델 중 결합 모델에 AI 오류 보정을 더한 방식이 1위를 기록했다고 밝혔다. 연구진에 따르면 계절 내 예측 구간에서 성능은 2배로 높아졌고, 2~6주 예보는 장기간의 기후 평균값에 기대는 전통적 방식보다도 더 나은 결과를 보였다. 같은 보정 기술은 다른 예보 모델에도 적용돼 성능 개선을 보였고, 특정 시스템에만 묶이지 않는 범용 후처리 기술의 가능성도 확인했다.