Massachusetts Historical Society
PulseAugur coverage of Massachusetts Historical Society — every cluster mentioning Massachusetts Historical Society across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Waters AI Link 集成 Anthropic 模型以实现药物发现自动化
Waters AI Link 正在集成 Anthropic 的 MCP 和 MHS 以实现 LC-MS 工作流的自动化。此次集成旨在创建自主的“实验室内循环”周期，从而加速药物发现过程。
-
AI代理调试存在缺陷：研究发现验证器可能泄露答案
一篇新发表在arXiv上的研究论文详细介绍了一种当前闭环代理调试中存在的关键缺陷。研究发现，用于比较提示和策略的验证器可能会无意中泄露答案，导致优化结果看起来有效，但实际上并未真正解决问题。研究人员提出了一种新的验证契约，该契约在优化前优先考虑证据的资格和不泄露性，以确保求解器不仅仅是在认证验证器的产物。
-
Anthropic 的 MHS 使 AI 代理能够控制实验室机器人和仪器
Anthropic 推出了模型硬件标准 (MHS)，这是一项旨在使 AI 代理能够控制物理实验室设备和科学仪器的计划。这一发展与模型通信协议 (MCP) 不同，后者侧重于将 AI 模型连接到软件工具。
-
Anthropic 发布用于 AI 控制物理设备的新模型硬件标准
Anthropic 推出了模型硬件标准（MHS），这是一项旨在为 AI 代理控制物理设备创建通用接口的新计划。MHS 目前处于研究预览阶段，旨在标准化 AI 与物理世界的连接，使 AI 代理能够与科学研究和制造设备（如显微镜、机械臂和分配机器人）进行交互。该标准被设想为一种通用化 AI 到机器连接的方式，类似于 USB 或 HTTP 标准化数字通信。
-
Anthropic 的 Claude 通过新的硬件标准获得物理世界控制权
Anthropic 推出了新的模型硬件标准 (MHS)，它作为 AI 代理与物理硬件交互的通用接口。该标准允许 Claude 等模型发现、控制各种设备（如机械臂和实验室仪器）并接收来自这些设备的反馈，而无需针对每种硬件类型进行特定的预训练。MHS 旨在实现一种“分布式具身”形式，让 AI 能够暂时利用各种物理工具来执行任务，从而可能加速科学研究和自动化复杂操作。
-
Anthropic推出模型硬件标准以实现AI驱动的设备操作 · 跟踪7个来源
Anthropic 推出了其新的模型硬件标准 (MHS) 的研究预览版，旨在为 AI 代理安全操作物理设备创建统一的接口。该计划与 HHMI Science 合作开发，旨在减少将 AI 与硬件集成的时间和复杂性，将集成时间从数周缩短到数小时或数分钟。早期测试表明，MHS 使 AI 代理能够执行复杂任务，例如运行药物发现实验、压缩成像实验以及改进量子计算机上的激光稳定性。
-
新框架增强了meme中仇恨言论的检测能力
研究人员开发了SAFE-MEME，一个旨在提高meme中仇恨言论检测能力的结构化推理框架。该框架采用新颖的多模态思维链方法，结合问答式推理（SAFE-MEME-QA）和分层分类方法（SAFE-MEME-H）。该系统在两个新数据集MHS和MHS-Con上进行了基准测试，这两个数据集在常规和混淆场景中都包含细粒度的仇恨抽象。SAFE-MEME-QA在性能上优于现有的开源模型，而SAFE-MEME-H在某些指标上取得了与GPT-4o和Gem…
-
可解释的机器学习模型预测房颤风险
研究人员开发了一个名为 Pre-AF 13 的可解释机器学习模型，用于预测心血管疾病患者房颤 (AF) 的风险。该模型在俄罗斯的电子健康记录上进行训练，利用自然语言处理从出院报告中提取特征。Pre-AF 13 在 24 个月预测方面取得了 0.725 的 ROC AUC，其性能优于现有的临床风险评分。
-
研究论文质疑人口信息在仇恨言论检测中的效用
一篇新的研究论文探讨了在仇恨言论检测模型中使用人口信息的效果。研究发现，人口特征并非普遍有益，其效用取决于特定的数据和建模条件。研究确定了诸如标注者分歧、训练数据大小和人口重叠等关键因素，这些因素会影响这些特征何时能提高模型性能。