解读北极以预测冬季天气
每年秋季，麻省理工学院的研究员犹大·科恩（Judah Cohen）会分析大气模式，以预测冬季天气。他的研究集中在理解平流层条件如何影响季节性气候，旨在提高天气预报的准确性。科恩的研究成果有望增强对极端冬季天气事件的应对能力，从而惠及农业和能源等多个行业。
Mit.edu
最新AI新闻
麻省理工学院18名教职工荣获2025-27年度“关爱承诺”称号
麻省理工学院（MIT）培育了强大的导师文化，这对学生之间的合作与创新产生了深远的影响。教师和高年级学生积极引导同辈，提升了在快速发展的科技环境中，尤其是在人工智能领域的学习体验。这种支持性的氛围为学生应对未来挑战做好了充分的准备。
Mit.edu
Nothing的Ear (a)耳塞降至59美元，提供出色的性价比
这款新耳塞配备了主动噪音取消功能、多点蓝牙支持以及流线型设计。它们承诺能够与多种设备无缝连接，提升用户在多任务处理中的体验。电池续航表现出色，支持长时间的聆听。这些特性使它们在竞争激烈的市场中脱颖而出。
The Verge
RL-AWB：低光夜间场景中用于自动白平衡校正的深度强化学习方法
RL-AWB框架通过将统计方法与深度强化学习相结合，解决了计算摄影中的夜间色彩恒常性问题。该框架采用了一种专门设计的统计算法来检测灰色像素和估计光照，并动态优化参数，模拟专家的调优过程。一个新的多传感器夜间数据集支持跨传感器评估，显示出在不同光照条件下性能的提升。更多详情请访问项目页面。
arXiv
随机深度学习：用于建模结构化时间数据不确定性的概率框架
本文介绍了随机潜在微分推理（SLDI），这是一个结合了随机微分方程（SDEs）和深度生成模型的框架，旨在增强机器学习中的不确定性量化。通过在变分自编码器的潜在空间中嵌入伊藤随机微分方程，SLDI 支持连续时间建模，并利用神经网络对 SDE 的各个组成部分进行参数化。这一方法有效应对了不规则数据采样的问题，同时保持了数学上的严谨性。其主要创新包括用于潜在和梯度动态的耦合前向-后向系统，以及用于稳定深度潜在 SDE 训练的路径正则化伴随损失，为随机概率机器学习的进步铺平了道路。
arXiv
使用深度神经网络的Neural Prophet进行股票市场价格预测
一种新的模型——深度神经网络神经预言者（Neural Prophet with Deep Neural Network，简称 NP-DNN）被引入以提升股票市场价格预测的准确性，达到了令人瞩目的99.21%。该模型通过采用 Z-score 标准化和处理缺失数据，利用多层感知器（Multi-Layer Perceptron，MLP）来捕捉复杂的模式，从而超越了现有的方法。
arXiv
谷歌与Character.AI就与人工智能聊天机器人相关的儿童伤害和自杀诉讼达成和解
谷歌与Character.AI在四个州的五起诉讼中达成和解，诉讼涉及未成年人因与Character.AI的聊天机器人互动而受到的伤害。和解的具体细节，包括任何财务条款或政策变更，尚未披露。该协议凸显了人们对人工智能安全的持续关注，以及需要制定法规以保护年轻用户免受与人工智能互动相关的潜在风险。
CNET
在NVIDIA Blackwell上实现混合专家推理的大幅性能提升
人工智能模型的能力日益增强，这促使消费者和企业之间的互动频率不断上升。这一使用激增导致处理的令牌数量显著增加，凸显出对人工智能在各种任务中的日益依赖。组织可能需要调整其令牌管理策略，以适应这一趋势。
Nvidia.com
CES展示的两足机器人吸尘器成功爬楼梯，引发关注
即将推出的Roborock Saros Rover是首款设计用于导航复杂环境并能够进入狭小空间的双足机器人吸尘器。与传统吸尘器不同，它采用先进的人工智能技术进行障碍物检测和导航。这项创新旨在提高家庭清洁效率，尤其适用于布局多样的家庭。
ZDNet
福特将于今年推出AI语音助手，预计2028年实现L3级别自动驾驶
一家大型汽车制造商正在将其运营转向内部，以降低成本并更好地控制制造过程。这一战略举措旨在提高效率和质量，同时减少对外部供应商的依赖。这一变化可能会显著重塑汽车行业的供应链格局。
The Verge
麻省理工学院推出不平等与未来工作塑造中心
詹姆斯·M·和凯瑟琳·D·斯通不平等中心于2025年11月3日正式揭幕。该中心旨在聚集学者、政策制定者和从业者，共同分析围绕经济不平等和不断变化的就业形势的重要议题。中心的主要举措将侧重于研究、政策发展以及旨在促进公平工作环境的实际应用。
Mit.edu
FLEx：通过少量语言解释进行语言建模
研究人员开发了一种名为 FLEx（少量示例语言解释）的方法，通过使用一小组精心挑选的解释性示例来提升语言模型的表现。FLEx 通过对模型错误进行聚类并总结有效的修正措施，改善了在数学问题求解和问答等任务上的准确性，而无需改变模型权重。在 CounterBench 和 GSM8K 等数据集上的评估显示，FLEx 的表现显著优于传统的思维链提示，错误率降低了多达 83%。这一方法有望简化在需要专家输入的领域中的修正过程。
arXiv