Study: AI could lead to inconsistent outcomes in home surveillance
研究人员发现，大型语言模型在分析监控视频时对是否报警做出的决定不一致。
Enhancing LLM collaboration for smarter, more efficient solutions
“Co-LLM”算法通过结合两个答案的最佳部分，帮助通用 AI 模型与专家大型语言模型协作，从而得出更真实的响应。
A fast and flexible approach to help doctors annotate medical scans
“ScribblePrompt”是一个交互式AI框架，可以有效地突出显示不同医学扫描中的解剖结构，帮助医务人员勾画出感兴趣的区域和异常区域。
Study: Transparency is often lacking in datasets used to train large language models
研究人员开发了一种易于使用的工具，使 AI 从业者能够找到适合其模型目的的数据，从而提高准确性并减少偏差。
A framework for solving parabolic partial differential equations
一种新算法通过将复杂的偏微分方程分解为更简单的问题来解决它们，可能指导计算机图形和几何处理。
First AI + Education Summit is an international push for “AI fluency”
为期三天的实践会议由麻省理工学院 RAISE 计划主办，欢迎来自近 30 个国家的青少年和成年人。
3 Questions: How to prove humanity online
人工智能代理可能很快就会与在线人类无法区分。“人格证书”能否保护人们免受数字冒名顶替者的侵害？
New open-source tool helps to detangle the brain
软件工具 NeuroTrALE 旨在快速高效地半自动处理大量脑成像数据。
LLMs develop their own understanding of reality as their language abilities improve
在受控实验中，麻省理工学院 CSAIL 的研究人员发现 LLM 内部正在深入发展现实模拟，这表明对语言的理解不仅仅是简单的模仿。
MIT researchers use large language models to flag problems in complex systems
该方法可以检测随时间记录的数据中的异常，而无需任何训练。
Helping robots practice skills independently to adapt to unfamiliar environments
一种新算法可帮助机器人练习清扫和放置物体等技能，从而可能帮助它们提高在家庭、医院和工厂中执行重要任务的能力。
Dimitris Bertsimas named vice provost for open learning
Bertsimas 凭借在麻省理工学院超过 35 年的经验，将与学院的合作伙伴一起，改变校内和校外的教学和学习方式。
Precision home robots learn with real-to-sim-to-real
CSAIL 的研究人员介绍了一种新颖的方法，允许机器人在扫描的家庭环境模拟中进行训练，为任何人都可以使用的定制家庭自动化铺平了道路。
Method prevents an AI model from being overconfident about wrong answers
“温度计”技术比其他方法更有效，可以帮助人们知道何时应该信任大型语言模型。
Study: When allocating scarce resources with AI, randomization can improve fairness
在基于机器学习模型预测的决策中引入结构化随机化可以解决固有的不确定性，同时保持效率。
MIT researchers advance automated interpretability in AI models
MAIA 是一个多模式代理，可以迭代设计实验以更好地理解 AI 系统的各个组件。
Proton-conducting materials could enable new green energy technologies
麻省理工学院工程师确定的分析和材料可以带来更节能的燃料电池、电解器、电池或计算设备。
Large language models don’t behave like people, even though we may expect them to
一项新研究表明，人们对 LLM 的信念在模型的性能中起着重要作用，并且对于模型的部署方式也很重要。
