微軟研究院（Microsoft Research）開發出一套名為「機率偏差校正（Probabilistic Bias Correction, PBC）」的機器學習框架，能學習天氣模型的過往錯誤並加以修正，藉此大幅提升預報的精準度與可靠性。這項技術的突破性應用，主要彌補了氣象預報中的「中等範圍預報」（sub-seasonal forecasting，指兩週至六週之間的天氣預測）這個關鍵缺口。

在旨在改善中等範圍預報的 AI Weather Quest 競賽初期測試中，PBC 框架技壓群雄，榮獲首獎。一個由微軟與外部合作夥伴組成的 MicroEnsemble 團隊，運用基於 PBC 的解決方案「MicroDuet」，在首次三個月的賽季中，於所有氣象變數與領先時間的預測上均名列第一。該團隊不僅擊敗了全球六個領先的營運預報中心，也超越了全球 34 個團隊的預報系統。MicroDuet 在一整年的即時預報中，也取得了最精準的成果。

《Windows》報導指出，PBC 框架大幅提升歐洲中期天氣預報中心（ECMWF）領先的次季節模型表現，將降水、氣溫與氣壓的預報精準度分別提升達 98%、92% 及 91%。此外，該框架也使歐洲中期天氣預報中心的 AI Forecasting System（AIFS）精準度翻倍。MicroDuet 在 2026 年初成功提前 19 至 26 天預測到襲擊美國的兩場冬季風暴，展現其卓越的預測能力。

PBC 的技術也正與 Kenya Meteorological Service Authority (KMSA) 合作，在肯亞（Kenya）進行試點，以改善對農民至關重要的季風預報。肯亞氣象局首席氣象學家 Phillip Okello 表示，PBC 在 Horn of Africa 地區的預報改進效果，超越所有測試過的其他方法。微軟研究院資深首席研究員萊斯特·麥克基（Lester Mackey）則指出，PBC 能夠接收任何天氣模型作為輸入，學習其錯誤模式後進行修正，進而產出更好的中等範圍預報。這項突破性的技術目前已作為開源軟體（open-source software）提供。