本文提出了一种新的多目标神经网络训练方法，通过动态损失函数逼近Pareto前沿，实验表明该方法无需预设权衡向量，并在非对称Pareto前沿上表现优越。此外，研究探讨了机器学习在气候预测中的应用，强调可解释性的重要性，并提出了新的训练框架Pareto Mutual Distillation以提升模型性能。