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。

OpenAI o1团队成员 Noam Brown 表示，o1的大规模计算可能不是最好的方法，很高兴看到有学者在提高推理能力上探索新的方法。 数据生成 的核心是将测试任务中蕴含的输入输出对关系，通过数据增强的方式最大限度地利用，可具体分为两个步骤。

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) ...

考虑到测试时的资源限制，作者采用了参数高效的LoRA，为每个测试任务学习一组独立的adapter参数，附加在预训练模型的每一层之上，通过一个低秩矩阵与原始权重相乘起到调节作用。

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 ...

11月13日外媒科学网站摘要：MIT在开发哪些未来农业技术,气候变化,温带,微生物,气候,雨林,植物 ...

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。

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。

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。

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。

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。

【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。