MIT团队推出的液态神经网络LFM模型因其高效内存管理和优越性能受到关注。LFM在处理长上下文时表现出色，内存占用远低于Transformer模型，适用于多种模态和平台。尽管在多种基准测试中表现优异，支持多语言，但在零样本代码任务上仍有不足。Liquid AI团队由MIT CSAIL衍生，专注于构建高效AI系统。
MIT CSAIL研究人员开发了一种名为RialTo的方法，可以使用从真实场景创建的数字孪生训练机器人在特定环境中。用户可以使用手机扫描目标环境并进行调整，然后将其上传到RialTo的界面。系统根据真实世界的行动和观察开发策略，并在模拟和真实环境中进行测试。测试表明，RialTo为各种任务创建了强大的策略，比模仿学习提高了67%。研究人员正在努力提高模型对新环境的适应性并减少训练时间。
完成下面两步后，将自动完成登录并继续当前操作。
