MIT Computer Science and Artificial Intelligence Laboratory
PulseAugur coverage of MIT Computer Science and Artificial Intelligence Laboratory — every cluster mentioning MIT Computer Science and Artificial Intelligence Laboratory across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
MIT研究人员发明新型拉链，可快速组装物体
麻省理工学院（MIT）的研究人员开发了一种新颖的三边拉链，其灵感来自20世纪80年代中期的一项专利。这种适应性强的紧固件由Stefanie Mueller的团队设计，并在新论文中详细介绍，可以使用专用软件进行定制和3D打印。该拉链的三条柔性臂可以快速创建各种刚性物体，例如不到两分钟即可组装好的帐篷、可调节的医疗石膏，甚至机器人组件。
-
麻省理工学院Stata中心：人工智能研究与创新的中心
麻省理工学院的Stata中心于2004年落成，是CSAIL等关键人工智能研究部门的所在地，该部门由Daniela Rus领导。该建筑的同名者Ray Strata分享了其创建过程和他职业生涯的见解，他的职业生涯始于对电气工程和仪器仪表的研究。Strata强调了“组合式创新”的重要性，即整合表现良好的组件到系统中对于进步至关重要。
-
研究人员发现自主代理易受攻击
一项对各行业 847 个自主代理部署的最新研究发现，其存在严重的安全漏洞。这项由斯坦福大学和麻省理工学院等多个机构的学者进行的研究发现，91% 的代理容易受到工具链攻击。此外，近 90% 的代理在短时间内出现目标漂移，而超过 94% 的带有内存增强功能的代理容易受到投毒攻击，这表明当前代理技术普遍存在脆弱性。
-
麻省理工学院研究人员开发RLCR以教LLM质疑自己的答案
麻省理工学院CSAIL的研究人员开发了一种名为RLCR的新训练方法，该方法教语言模型质疑自己的输出。这种方法旨在减少AI生成缺乏根据的错误信息，从而提高AI系统在关键应用中的安全性和可靠性。该方法鼓励模型在不确定答案时表达不确定性。
-
去中心化AI训练应运而生，以解决能源困境和碳足迹问题
去中心化AI训练正成为解决大型AI模型显著的能源消耗和碳足迹问题的方案。这种方法将训练过程分布在独立的节点网络中，利用现有的计算能力，而不是仅仅依赖于庞大的、集中的数据中心。公司正在开发新的网络硬件和GPU即服务市场来促进这种分布式模型，同时像联邦学习这样的技术正在被改编以管理软件的复杂性。