MIT团队研发出一款超高效后量子密码学芯片，可在极低功耗下保护无线生物医学设备免遭量子与物理攻击，为未来起搏器、胰岛素泵等植入式设备提供强健安全防护。

麻省理工学院研究人员提出RLCR方法，让大型语言模型在保持甚至提升准确率的同时，大幅改善置信度校准，减少“自信地说错”的情况。

麻省理工学院研究人员在纽约市开展实验，展示如何结合现有摄像头与移动数据，构建近实时、高分辨率的交通排放地图，为城市交通管理和脱碳政策提供精细决策依据。

麻省理工学院研究团队提出一套新型自动化评估方法，用于在部署前系统性发现人工智能自主系统中的公平性与伦理风险。

MIT METR 团队的新研究显示，大型语言模型的能力整体更像“潮水上涨”式平稳提升，而非频繁出现“破浪式”突然飞跃，这对预测 AI 对劳动力市场的冲击节奏具有重要意义。

MIT研究人员开发了一种智能负载均衡系统，显著提升数据中心闪存存储设备的效率和性能。

MIT与Symbotic团队利用深度强化学习与经典规划算法相结合，自动为仓库机器人动态“排队”和改道，显著减少拥堵与碰撞风险，在模拟电商仓库中将吞吐量提升约25%。

热电池可以高效地以高温热能形式储存电力，但要在极端温度下长期稳定运行，需要一整套能承受高温循环、抗腐蚀、抗热胀冷缩和结构疲劳的材料与系统设计。Fourth Power 通过熔融金属与碳砖的组合，在更高温度下实现更高功率密度和更低成本，为电网级储能提供新方案。

MIT研究团队开发了一种基于生成式人工智能的混合系统，显著提升了机器人在动态环境中导航及多机器人协作装配的规划效率。

麻省理工学院建设性沟通中心的研究显示，领先的人工智能模型在面对英语水平较低、受教育程度较低及非美国籍用户时，表现出较差的准确性和真实性。

仅移除极少部分众包数据就能显著改变在线排名平台的结果，影响模型选择的准确性。