朋友们，想了解为什么同一模型会带来大量结果的不一致性吗？今天，我们来一起深入分析一下来自微软和麻省理工学院的一项重大发现——不同的Prompt格式如何显著影响LLM的输出精度。这些研究结果对于应用Prompt优化设计具有非常重要的应用价值。
来自瑞士洛桑联邦理工学院和麻省理工学院的研究团队开发了一种「手脚并用」的机器人，论文将在本周于鹿特丹举行的 ICRA@40 上发表。
亚历山大·王从麻省理工学院辍学后开始创业，25岁被《福布斯》评为“世界上最年轻的白手起家的亿万美元富翁”。
1972年12月，在美国华盛顿特区举行的美国科学促进会年会上，麻省理工学院气象学教授埃德·洛伦兹发表了题为「巴西一只蝴蝶的煽动是否会在德克萨斯引发龙卷风？」的演讲，这贡献了「蝴蝶效应」这一术语。
作为麻省理工学院（MIT）电气工程与计算机科学系（EECS）副教授，何恺明第一节课讲授了卷积神经网络的基本知识。
在大型语言模型（LLM）的世界中，处理多轮对话一直是一个挑战。前不久麻省理工 Guangxuan Xiao 等人推出的 StreamingLLM，能够在不牺牲推理速度和生成效果的前提下，可实现多轮对话总共 400 万个 token 的流式输入，22.2 倍的推理速度提升。
在12月推出AI新品之际，英特尔CEO基辛格把枪口对准了英伟达。基辛格先是公开强调英伟达CUDA软件的护城河没有外界想象的那么深，接着在麻省理工的一场论坛上名褒暗贬，称英伟达在AI GPU领域极其幸运（extraordinarily lucky）。
麻省理工学院计算机科学与人工智能实验室（CSAIL）研究团队发现，多个语言模型协同工作胜过单一模型，多个AI协作有助于提高大型语言模型的推理能力和事实准确性。
与线性神经网络相比，液态神经网络具有类似人脑的非线性和创造性，是人工智能领域的一个重要而独特的元素。它们在应对天气预测、股市分析和语音识别等复杂挑战方面表现出色，而这些领域以前一直由人类主导的。
