MIT 研究团队造出一套可重构的机器人光学实验室:七关节机械臂把带 QR 码识别的镜片、镜组等标准光器件从 3D 打印外壳里取出放到金属桌面上,再用 Wi-Fi 电动细调工具无线调整旋钮,配合俯视相机和软件栈完成识别、抓取、避障与微调,30 分钟内自动完成了 50 个动作,搭建出可用激光谐振腔,并在人为扰动下自动重新对准维持强度。 后续目标是云接入,让远程用户提交协议、机器人自动拆装搭建不同实验。当前团队已把它用于探测碳捕获材料对 CO2 的吸收。对相机、显示、太阳能、AR/VR 光学测试等场景有降本提效潜力;局限是依赖标准光器件和桌面化配置,复杂自由光路仍难覆盖。
MIT CSAIL研究发现,AI图像生成模型训练数据越大,单个样本对输出的影响越微弱,称为"归因衰减"。研究团队开发了"扩散集成"架构,无需重新训练即可精确删除特定训练数据的影响。 训练集从256张增至16万张时,反事实半径按逆幂律缩小。该发现对AI版权诉讼和合理使用认定具有直接法律意义,但大语言模型是否同样适用仍是开放问题。
MIT研究人员用细菌工程化出活体晶体管,能在培养皿里打印出可执行逻辑运算的生物电路。两种晶体管加三种中继菌株构成基础元件,已实现加法器、多路复用器等电路,最大规模24个菌落互联。 单次计算约8小时,远慢于硅芯片,但研究者认为对农业场景(如涂覆植物根部感知干旱或病虫害)已够用。成果发表在Nature Chemical Biology,由DARPA资助。
麻省理工团队发现一种新型天体"黑洞星",可能解释韦布望远镜长期观测到的神秘"小红点"。核心是一个10万倍太阳质量的黑洞,被一个太阳系大小的致密氢包层包裹,亮度达普通恒星的1000亿倍,能量来自黑洞吸积而非核聚变。 该发现来自"Mirage or Miracle"深空巡天项目,团队通过光谱中的巴尔默断裂和几乎不含金属的特征排除了普通恒星和尘埃模型。
MIT 团队推出 GIFT 框架,让视觉语言模型通过自身错误自动生成高质量 CAD 训练数据,将 2D 设计转为可执行的 3D 建模代码。 GIFT 在仅用 20% 计算量的前提下,生成的 CAD 程序比竞争方法更准确、更接近真实几何形状,且无需人工干预修正错误。 该方法利用推理时间扩展技术,在固定模型上通过多次采样“近正确”失败案例构建针对性数据集,使模型学会自我纠错与提升,有望加速工程原型设计与制造流程。