【太平洋科技快讯】近日，麻省理工学院（MIT）信息与决策系统实验室(LIDS)的一项研究对生成式AI模型的导航能力提出了质疑。尽管这些模型在纽约市提供近乎完美的逐步导航指引，但它们并未形成精确的地图。研究发现，当研究人员对某些街道进行封闭并设置绕行路 ...

近日，我们发现了何恺明的第二门课程《深度生成模型》（6.S978: Deep Generative Models），已经于 9 月初开始了授课。 在何恺明担任讲师之外，MIT CSAIL 计算设计与制造团队（Computational Design ...

深入研究还发现，这些模型所生成的纽约地图中包含大量虚构的街道。这些街道在地图网格中以扭曲的方式连接，形成了一个与现实相去甚远的“虚构纽约”。地图上随处可见的随机跨街桥和角度奇异的交叉街道，进一步揭示了模型存在的缺陷。

MIT 的何恺明和 Lirui Wang 等人最近成功在“通用数据”上取得了进展，让机器人离拥有“ 通用大脑 ”的目标又近了一步。

一位95后硕士庞建建因其在股市中的非凡表现成为热议焦点。庞建建在短短一个月内通过炒股赚取了150万元，并在市场下跌前成功清仓。庞建建的成功故事虽然引人注目，但并非每个投资者都能复制。

微调（Fine-tuning）是将经过预训练的大语言模型应用于下游任务的关键范例。最近，低秩自适应 (LoRA) 等方法已被证明可以在各种任务上达到完全微调模型的性能，同时可训练参数的数量却大大减少。

然而，某些材料中出现的现象很难通过量子计算机进行模拟，这让科学家在使用量子硬件探索问题时留下了一些空白。 为填补这些空白，MIT 的研究人员开发了一种技术，可以在超导量子处理器上生成合成的电磁场。团队在一个由 16 个量子比特组成的处理器上 ...

在没有任何奥赛罗规则先验知识的情况下，研究人员发现模型能够以非常高的准确率预测出合法的移动操作，捕捉棋盘的状态。他们认为语言模型的内部确实建立了一个世界模型，而不只是单纯的记忆或是统计，不过其能力来源还不清楚。

【ITBEAR】美国麻省理工学院（MIT）的研究团队近日取得了重大突破，他们成功研发出一款刷新纪录的纳米级3D晶体管。这款晶体管在性能上可媲美甚至超越现有的硅基晶体管。

麻省理工学院（MIT）本周展示了一种全新的机器人训练模型，该模型放弃了以往专注于特定数据集的训练方法，转而采用类似大型语言模型 (LLMs)训练时使用的海量信息。

在近年来快速发展的机器人技术领域，探寻一种能够支持多种任务的“通用智能”解决方案变得愈发迫切。麻省理工学院（MIT）的何恺明教授及其团队刚刚公布了一项突破性的研究成果，使用创新的“异构预训练Transformers”（HPT）架构，标志着向“通用机器人预训练”的重要一步迈进。该研究的核心在于如何有效解决机器人训练中的数据异构性问题，从而降低数据收集成本，提高训练效率。

近日，南方科技大学本科毕业生、美国麻省理工学院博士生张翀赫在 Science 发表了一篇一作论文，值得注意的是这篇论文只有三位作者，其他两位作者都是他的导师。 据他介绍，本次研究为如何高效合成重氮硼烷这一类分子提供了答案。