AI可可AI生活

今天我们将通过五篇极具启发性的最新论文，带你用“能量谷”视角把复杂的AI技术化繁为简，看看智能体如何通过“无缝接续”告别低效折返跑。我们还会探讨AI如何被迫写出透明代码打破“暗箱”，怎样利用“潜在反馈”告别死记硬背，以及如何打破壁垒真正看懂三维物理世界。准备好升级你的认知底座了吗？我们马上开始！
00:00:31 万物皆有“能量谷”，用一个视角看懂AI
00:04:54 真正的高效，在于随时随地无缝接续
00:09:25 AI的“暗箱”被打开了：我们要的不只是答案，还有解释
00:13:00 “死记硬背”不灵了，普通人怎么办？
00:16:45 为什么AI总是“凭空捏造”物理规律？让机器看懂世界的新思路
本期介绍的几篇论文：
[AI] An Energy-Based Perspective on Machine Learning
[Georgia Institute of Technology & Harvard University]
https://arxiv.org/abs/2611.14383
---
[AI] FlashStates: Unlocking Flexible Hybrid State Management for Agentic LLM Inference
[Together AI & UIUC]
https://www.alphaxiv.org/abs/2611.flashstate
---
[AI] Interpretable Weight-Space Programming Builds Transparent Transformers and Brain Encoding Models
[Microsoft Research & JHU & Columbia]
https://www.alphaxiv.org/abs/2611.interpretable-weight-space-programming
---
[AI] Latent Feedback Is a Compute and Data Amplifier: Scaling Law for Latent Feedback Transformers on Repeated Data
[IMF & CMU]
https://www.alphaxiv.org/abs/2611.latent-feedback-transformers-scaling-law
---
[CV] UGG: Unified Generative Geometry Model
[Harvard University & MIT & UC San Diego]
https://arxiv.org/abs/2611.14440

在小宇宙查看该单集文稿

今天我们将带你硬核拆解五篇最新论文，看懂前沿技术背后的人生算法。你会发现看似完美的AI可能藏着被唤醒的“休眠特工”，而让AI自我进化的秘诀竟然是打破底层的“默认假设”。我们还会聊聊如何用“做减法”的智慧省下一半算力，以及为什么面对跨界任务和复杂训练时，抛弃“外聘专家”并回归“保姆式笨办法”才是最优解。准备好了吗？让我们开始今天的脑力激荡！
00:00:33 当你把AI当成无所不能的帮手，它可能早已成了“潜伏特工”
00:05:04 打破脑子里的“默认设置”，是创新的一条路
00:08:20 做减法的顶级智慧，如何用一半的成本，拿到100分的成绩？
00:12:01 打破“外聘专家”迷信，从一篇AI论文看如何应对新任务
00:15:54 别小看“笨办法”：从训练AI看简单的路为何常常走得通
本期介绍的几篇论文：
[AI] Lazare, veni foras: Reprogramming Dormant Neurons to Backdoor AI Agents
[Microsoft Research & Microsoft AI Red Team]
https://arxiv.org/abs/2611.15118
---
[AI] AutoAssumption: Searching over Assumptions Discovers ML-Systems Algorithms
[MIT]
https://arxiv.org/abs/2611.14844
---
[LG] Factored One-sided Adam-Moment for Practical and Scalable SOAP
[NAVER AI Lab]
https://arxiv.org/abs/2611.16905
---
[CV] Unbundling Multimodal Vision Encoding
[Meta FAIR & New York University]
https://arxiv.org/abs/2611.17334
---
[LG] On the Difficulty of Sequence-Level Supervised Learning for Autoregressive Language Models
[Google DeepMind]
https://arxiv.org/abs/2611.16736

在小宇宙查看该单集文稿

今天我们要分享五篇极具启发性的最新论文，带你看看AI如何通过反直觉的方式突破瓶颈。你会听到AI为什么靠“精准删除”权重反而变得更强，以及它如何用“动态折叠”读懂复杂杂乱的人体密码。我们还会探讨为什么刻意制造“信息匮乏”能激发AI的创造力，并看看最聪明的AI为何在现实的“具身大考”中连个杯子都拿不稳。最后，我们将一起见证人类的静态文献，是如何变成AI自主试错的“动态实验室”的。
00:00:36 为什么最顶级的进化，往往只需要做减法？
00:04:06 万物皆可连接，一个读懂人体密码的AI，教我们如何应对复杂世界
00:08:50 为什么知道得越少，你的创造力反而越强？从AI科学家的反常识实验说起
00:12:33 为什么最聪明的AI，到了现实世界却连个杯子都拿不稳？
00:16:23 把人类的知识库变成AI的“实验室”，知识迭代的下一个阶段
本期介绍的几篇论文：
[LG] The Surprising Effectiveness of Deleting Weights in LLM Post-Training
[New York University & University of Calgary]
https://arxiv.org/abs/2611.10866
---
[AI] PhysioWave-T: Token-Efficient Wavelet Foundation Models for Biosignals
[Nanyang Technological University & University of Modena and Reggio Emilia & ETH Zürich]
https://arxiv.org/abs/2611.08969
---
[CL] Blind Variation, Selective Retention: Improving Creative Idea Generation in AI Scientists
[Stanford University]
https://arxiv.org/abs/2611.12184
---
[RO] Embodied First Exam
[Northwestern University & CMU & UC Berkeley]
https://arxiv.org/abs/2611.12177
---
[AI] Scientist World: Grow a Research World for AI-Scientists
[Princeton University]
https://arxiv.org/abs/2611.08478

在小宇宙查看该单集文稿

在追求智能进化的路上，AI竟然也会像人一样陷入“KPI死胡同”、学会“钻空子”，甚至在层层伪装下变成只会背答案的“伪学霸”。本期节目，我们将拆解5篇最新论文，看看这些聪明的算法是如何通过“参考重置”、“反向回溯”与“逻辑解构”来完成进化的。这不仅是AI的成长课，更是我们每个人打破思维定式、拒绝原地打转的进阶指南。
00:00:29 为什么越想走捷径，反而越容易原地踏步，来自AI大模型训练的成长启示
00:05:42 哪怕是犯错，也别犯同样的错，关于AI如何“钻空子”的启示录
00:09:41 AI怎么学会思考，真正的聪明，都懂得“退一步”
00:13:45 如何识破人工智能的“伪学霸”？
00:17:20 你以为的因果，可能只是某种“继承”，从AI如何做算术说起
本期介绍的几篇论文：
[LG] A Theory of Policy Optimization in Post-Training: Coverage Collapse and Reference Resets
[Harvard University & UIUC & University of California, San Diego]
https://arxiv.org/abs/2611.14467
---
[LG] Wrong the Same Way: Cross-Prompt Sharing Both Suppresses and Amplifies Reward Hacking in RLVR
[CMU & University of Washington]
https://arxiv.org/abs/2611.13218
---
[AI] Transformers Provably Learn Graph Search: Training Dynamics and the Exponential Power of Depth
[UC Berkeley]
https://arxiv.org/abs/2611.13594
---
[LG] Evaluating Compositional Generalization in Transformers: The Role of Composition Equivalence and Module Coverage
[University of Massachusetts Amherst & Google DeepMind]
https://arxiv.org/abs/2611.13498
---
[LG] Linear Probes to Bayesian Manifolds: Geometry of Arithmetic in Large Language Models
[CMU & Indian Institute of Technology Jodhpur & Indian Institute of Technology Roorkee]
https://arxiv.org/abs/2611.12998

在小宇宙查看该单集文稿

今天我们将通过五篇最新论文，带你探索AI世界的奇妙反差与破局智慧。
我们会看到，为什么给AI装上“元认知”的包工头大脑、或者刻意屏蔽信息玩“盲目变异”，反而能激发惊人的科学创造力；同时，为什么让“大师级”大模型审题、“小工级”小模型写字，能完美破解效率与成本的两难？
更刺激的是，当AI试图硬磕银行密码背后的数学高墙，或是把系统的安全补丁变成黑客的“攻击藏宝图”时，它究竟能做到哪一步？
系好安全带，让我们一起从这些前沿技术中，提炼出属于普通人的破局思路！
00:00:43 为什么越努力越迷茫？这篇关于AI的论文，藏着普通人破局的思路
00:05:11 为什么知道得越少，你的点子反而越绝？
00:09:37 当人工智能撞上数学的高墙，你的银行密码为何依然安全？
00:14:20 当“解药”变成“毒药”，AI是如何把软件补丁变成黑客武器的？
00:19:14 让“大师”审题，让“小工”干活，一个破解成本与效率两难的设计
[AI] Sage-Taiyi: A Metacognitive Architecture for Scientific Discovery
[Sage-Taiyi Team, Shanghai Artificial Intelligence Laboratory]
https://arxiv.org/abs/2611.12762
---
[CL] Blind Variation, Selective Retention: Improving Creative Idea Generation in AI Scientists
[Stanford University]
https://arxiv.org/abs/2611.12184
---
[LG] Semiprime Factorization with Discrete Diffusion and Beam Search: Scaling Laws
[Google DeepMind]
https://arxiv.org/abs/2611.10202
---
[AI] CyberBinGym: Can AI Agents Turn Binary Patches into Real Exploits?
[National University of Singapore & UC Berkeley & UC Santa Barbara]
https://arxiv.org/abs/2611.10723
---
[CL] BridgeKV: Large-Model Prefill and Small-Model Decoding for LLM Inference via KV Cache Translation
[Georgia Institute of Technology]
https://arxiv.org/abs/2611.11761

在小宇宙查看该单集文稿