据MIT News报道，MIT研究人员近日开发出一种新的训练方法，能够显著提升AI模型置信度估计的可靠性，同时不牺牲模型性能。这一突破有望从根本上解决推理模型中的幻觉问题。据MIT News报道，MIT研究人员近日开发出一种新的训练方法，能够显著提升AI模型置信度估计的可靠性，同时不牺牲模型性能。这一突破有望从根本上解决推理模型中的幻觉问题。主要亮点包括：第一，置信度估计改进，新方法让AI更准确判断自己何时不确定，减少自信但错误的情况。第二，图像生成加速，混合自回归变换器比扩散模型快约9倍。第三，可解释性突破，可将视觉模型转化为人类可理解的解释模型。第四，语音创造现实，结合生成式AI和机器人技术实现语言到实体的转换。这些进展表明AI正朝着更可靠、更高效、更可解释的方向发展。来源：MIT News