标签
麻省理工学院研究人员开发了一种名为 FTTE 的新框架，将隐私保护型联邦学习的速度提升了 81%，使得在智能手表和传感器等资源受限的边缘设备上高效进行 AI 训练成为可能。
来自麻省理工学院（MIT）和 IBM 的研究人员开发了一种快速工具，可在几秒钟内估算 AI 功耗，速度远超传统的模拟方法，有助于优化数据中心的能源效率。
麻省理工学院的研究人员开发了Sandook，这是一种基于软件的系统，通过同时解决SSD的三个变异性来源，将数据中心存储性能提升近一倍，效率远超传统方法。
MIT研究人员推出SEED-SET框架，利用LLM主动评估自主系统在高风险场景（如电力分配）中的伦理一致性，以弥补静态测试方法的不足。
MIT研究人员开发了VisiPrint，一款由AI驱动的预览工具，帮助3D打印用户可视化打印物件的美学效果（颜色、纹理、光泽），从而减少浪费并提升设计准确性。
MIT研究人员开发了名为VibeGen的AI模型，该模型基于蛋白质的动态运动和力学特性进行设计，而非仅依赖静态结构。这种方法能够创造出具有特定振动和弯曲行为的蛋白质，推动了生成式AI在科学领域的发展。