本文介绍了一种新的网格化伪令牌变压器神经过程模型，专门用于改进天气预报模型处理非结构化观测数据的能力。通过专用编码器和解码器，该模型在大规模时空回归任务中优于多个基线模型，显示出在天气建模中的应用潜力和计算优势。

本文介绍了一种新型神经过程模型（TNPs），旨在解决元学习中的不确定性问题，适用于多种基准任务。研究还提出了卷积条件神经过程（ConvCNP），能够建模数据中的平移等变性，提升时间序列和图像处理性能。此外，EquivCNP和ET模型通过引入对称性和等变性，增强了模型的泛化能力和分类效果。