标签索引

mit

这个标签下有 13 篇文章。按时间回看相关判断与实践记录。

标签精选

AI 的下一步不是更大的模型,是学会跟人合作

一门课的最后一讲,最能看出讲者真正在想什么。前面 11 讲是在搭骨架,数据、架构、对齐、融合、跨模态迁移、基础模型、强化学习,一块一块拼上去。到最后一讲,Paul Liang 不再讲新算法,而是退一步问:这些东西攒齐了,下一步应该长成什么样...

2026-06-1514 分钟阅读129 阅读

监督学习像一次考试,你答一道题,老师立刻给分。强化学习不是。强化学习是你下一整盘棋,走了几十步,最后才知道这盘赢没赢,而且没人告诉你哪一步是关键的。这个差别看起来只是”反馈给得晚一点”,但它把整套训练范式都拧到了另一...

2026-06-1519 分钟阅读100 阅读

1976 年,一个叫 David McGurk 的心理学家做过一个实验。他给受试者放两段视频,画面里两个人在说话,音轨完全一样,但其中一个人的嘴型是发”ba”,另一个是发”fa”。受试者听到的...

2026-06-1520 分钟阅读90 阅读

机器学习入门课的常见教法是:一周讲一个模型,线性回归、SVM、CNN、RNN、Transformer、GNN,一周一个,讲到学期末。学生记住了一堆名字,但下次拿到一个新数据集,还是不知道该选哪个,更不用说自己设计一个。 Paul Liang...

2026-06-1515 分钟阅读102 阅读

第 4 讲是这门课第一次把人按到键盘前面。前三讲讲原则、讲研究、讲数据本身的结构,从这一讲开始,Paul Liang 把麦克风让给两位 TA:David 和 Chanaka,带大家在 Colab 里把一个分类模型从头跑通。听上去像一节教 ...

2026-06-1516 分钟阅读94 阅读

机器学习课的常见开场是讲算法:第一周线性回归,第二周决策树,第三周神经网络。Paul Liang 这一讲反着来。他先讲数据,而且讲了整整一节课,模型一个字没提。他给的理由很简单:你手里那摊数据长什么样,基本上已经决定了模型该长什么样,反过来...

2026-06-1516 分钟阅读55 阅读

我以前一直觉得”做研究”是个挺玄的事:你得有灵感,得有品位,得在某天洗澡的时候突然冒出一个别人没想到的想法。后来在工程里摸爬几年,慢慢意识到大部分研究并不长这样。它更像一台机器,你按一个流程一圈一圈地转,转得快、转得...

2026-06-1517 分钟阅读67 阅读

MIT校长Sally Kornbluth日前发表公开信，揭示了该校面临的严重财政与人才危机。受捐赠税新政及联邦资助分配逻辑改变影响，MIT研究经费缩减10%，导致各院系因资金不确定性而大幅收缩招生规模。数据显示，除商学院外，明年研究生新生入...

2026-05-151 分钟阅读50 阅读

MIT研究人员开发了一种新型虚拟小提琴，利用物理建模技术模拟琴弦与琴弓的复杂非线性摩擦，从而生成极具真实感的演奏声音。不同于依赖庞大音频文件的传统采样技术，这种基于物理模拟的方法仅需极小的存储空间（约15MB），却能实现丰富的动态表现。业界...

2026-05-061 分钟阅读58 阅读

MIT计算机科学神课《Missing Semester》2026版迎来重大更新，将AI从辅助工具升级为贯穿全程的核心主题。新版课程新增“Agentic Coding”专题，深入讲解如何利用Git WorkTree并行运行Agent、通过MC...

2026-02-261 分钟阅读186 阅读