OpenAI研究科学家、德扑之父Noam Brown第一时间转发了新研究，并称我们通过o1开发了一种scale测试时计算的新方法，但它并不是唯一的方法，也可能不是最好的方法。很兴奋可以看到学术研究人员朝着这个方向，探索出新的方法。

麻省理工学院(MIT) 的研究人员最近提出了测试时训练”(Test-Time Training, TTT) 的新方法，并在抽象推理挑战赛 (ARC) ...

目前，对于哪些设计选择对 LM（特别是对新任务学习）最有效，人们的了解还很有限。 在一篇新论文中，来自 MIT 的研究者系统地研究了各种 TTT 设计选择的影响，以及它与预训练和采样方案之间的相互作用。看起来，TTT 的效果非常好，至少从论文标题上看 ...

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。

由于这些设备是无线且漂浮的，研究人员设想未来可以将数千个微小设备注射入体内，然后通过外部光源无创地激活它们。研究人员可以精确控制光照剂量，使可穿戴设备柔和地包裹住细胞。光能够穿透组织，并激活这些设备。

在机器人领域，关于“通用智能”的探索正迎来新的曙光。最近，由麻省理工学院（MIT）何恺明教授及其团队推出了一种名为“异构预训练Transformers”（HPT）的创新架构。这一架构能够有效应对机器人训练中数据异质性的问题，助力机器人向“通用大脑”目标迈进。

【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。

HPT架构还特别强调了本体感知的重要性。本体感知赋予机器人对自身状态的把控力，在执行高精度任务时尤为关键。通过将视觉和本体感知信号作为等同重要的数据源进行处理，HPT使得机器人能够以更全面的方式理解任务。