AI可可AI生活

我们总希望AI更聪明，但如果我说，一篇最新论文发现，一个更“健忘”的AI反而对我们更有用呢？本期，我们将一起窥探AI的“内心世界”：看看一个短暂领悟了世界几何结构、又旋即忘却的AI，是如何思考的；一个不再满足于“平均”，而是学会了看“趋势”的AI，又是如何进化的。我们甚至还会聊聊，AI是不是已经有了区分“我”和“非我”的原始意识。准备好了吗？让我们一起出发，探索AI思考的奇妙新维度。
00:00:41 AI那么强，为什么我们偏要给它装上一个“健忘”的大脑？
00:06:30 AI的“七情六欲”，一个转瞬即逝的秘密
00:13:08 换个姿势，AI还能变得更聪明？
00:18:31 AI学会了“算”，但它学会“想”了吗？
00:24:25 AI的自我意识，它知道哪句话是自己说的吗？
本期介绍的几篇论文：
[CL] Simulating Human Memory with Language Models
[NYU]
https://arxiv.org/abs/2605.25680
---
[AI] Geometry of Human Perceptual Domains Emerges Transiently in LLM Representations
[Indian Institute of Technology Roorkee & Lossfunk]
https://arxiv.org/abs/2605.27970
---
[LG] Parallax: Parameterized Local Linear Attention for Language Modeling
[Northwestern University & Tilde Research & University of Washington]
https://arxiv.org/abs/2605.29157
---
[LG] DiscoverPhysics: Benchmarking LLMs for Out-of-the-Box Scientific Thinking
[Princeton University]
https://arxiv.org/abs/2605.26087
---
[LG] From Simulation to Enaction: Post-trained language models recognize and react to their own generations
[Institute for Advanced Study & Anthropic]
https://arxiv.org/abs/2605.25459

在小宇宙查看该单集文稿

这一期，我们将一起探索AI匪夷所思的成长秘诀：为什么让AI“睡一觉”反而能让它更会思考？我们会看到，AI如何像武林高手一样，既能“左右互搏”创造新招式，又能“内外双修”实现自我进化。同时，我们还会揭秘AI对抗“灾难性遗忘”的巧妙方法，以及一个“通用大脑”是如何让所有机器人都学会举一反三的。
00:00:31 让人工智能“睡一觉”，它为什么就变聪明了？
00:05:06 AI精进的秘密，一只手调整装备，一只手修炼内功
00:12:19 为什么学得越多，忘得越快？AI给了个新解法
00:19:03 如何让机器人学会“举一反三”？
00:25:06 AI进化论，如何让机器学会“左右互搏”？
本期介绍的几篇论文：
[CL] Do Language Models Need Sleep? Offline Recurrence for Improved Online Inference
[CMU & University of Maryland]
https://arxiv.org/abs/2605.26099
---
[CL] SIA: Self Improving AI with Harness & Weight Updates
[Hexo Labs]
https://arxiv.org/abs/2605.27276
---
[LG] Forgetting in Language Models: Capacity, Optimization, and Self-Generated Replay
[New York University]
https://arxiv.org/abs/2605.26097
---
[RO] Qwen-VLA: Unifying Vision-Language-Action Modeling across Tasks, Environments, and Robot Embodiments
[Qwen Team]
https://arxiv.org/abs/2605.30280
---
[CL] Self-Improving Language Models with Bidirectional Evolutionary Search
[Harvard University & MIT]
https://arxiv.org/abs/2605.28814

在小宇宙查看该单集文稿

你有没有想过，当AI学会了耍心机，我们怎么才能看穿它的伪装？最新论文带来了一把钥匙：给AI做个“脑CT”，直接定位它脑中的“坏心思”和“好创意”。本期节目，我们将一起探索如何用“蜜罐”测试AI的忠诚度，如何拯救一个创意枯竭的“好学生”AI，并从记忆的极限和“心有灵犀”的秘密中，窥见智能的本质。准备好了吗？让我们即刻出发！
00:00:33 如果AI学会了“耍心机”，我们怎么才能发现？
00:07:28 我们能给AI做个“脑CT”吗？
00:12:23 如何拯救一个“无聊”的好学生？
00:16:34 你的记忆力，正在如何塑造你的学习天花板？
00:23:42 AI心有灵犀的秘密，藏在一根“直线”里
本期介绍的几篇论文：
[LG] Realistic honeypot evaluations for scheming propensity
[Google DeepMind]
https://arxiv.org/abs/2605.29729
---
[AI] Scaling Monosemanticity: Extracting Interpretable Features from Claude 3 Sonnet
[Anthropic]
https://arxiv.org/abs/2605.29358
---
[CL] Recovering Diversity Without Losing Alignment: A DPO Recipe for Post-Trained LLMs
[University of Maryland]
https://arxiv.org/abs/2605.30021
---
[CL] On Language Generation in the Limit with Bounded Memory
[Cornell University & Stanford University]
https://arxiv.org/abs/2605.30324
---
[LG] Representation Alignment Rests on Linear Structure
[MIT]
https://arxiv.org/abs/2605.28870

在小宇宙查看该单集文稿

想知道AI如何学会“看眼色”举一反三吗？本期，我们将一起揭秘几篇最新论文，看看AI如何像有了“变速箱”一样动态切换快慢刀，又如何通过“智能菜谱”让机器人学会干活。我们还会聊聊如何给AI一张“认知体检表”来衡量它的真实水平，以及它那套偷偷学会的“省钱”妙招。准备好了吗？让我们一探究竟！
00:00:34 AI如何学会“看眼色”，一个关于举一反三的发现
00:05:43 机器人后空翻都会，为什么还不会端茶倒水？
00:11:28 AI的“变速箱”，什么时候该用牛刀？
00:17:29 给AI一张体检表，我们离通用人工智能还有多远？
00:23:00 你的AI，正在偷偷学会“省钱”
本期介绍的几篇论文：
[LG] Fine-Tuning Dynamics of In-Context Factual Recall in Transformers
[Duke University & Princeton University & UC Berkeley]
https://arxiv.org/abs/2605.27774
---
[RO] HumanoidMimicGen: Data Generation for Loco-Manipulation via Whole-Body Planning
[NVIDIA]
https://arxiv.org/abs/2605.27724
---
[LG] Multi-Mixer Models: Flexible Sequence Modeling with Shared Representations
[CMU & Google Research]
https://arxiv.org/abs/2605.28769
---
[AI] Measuring Progress Toward AGI: A Cognitive Framework
[Google DeepMind]
https://arxiv.org/abs/2605.28405
---
[LG] Meta-Attention: Bayesian Per-Token Routing for Efficient Transformer Inference
[Knowledge Lab AG]
https://arxiv.org/abs/2605.28384

在小宇宙查看该单集文稿

你有没有想过，一个AI要怎样才能真正“看懂”世界，而不是假装看懂？本期节目，我们将从一篇最新论文出发，揭示一个简单的“高斯沙堆”如何帮助AI解开世界的本质。紧接着，我们会看到AI如何像武林高手一样“左右互搏”，在没有老师的情况下实现自我进化。然后，我们将探索一个能预测AI未来的“万能公式”，并直面AI的“诚信危机”，看看如何用一条“证据链”让它变得可信。最后，我们会发现，为了让你的手机变得更聪明，AI正在悄悄组建一个“专家委员会”。
00:00:42 想让AI看懂世界？你只需要一个高斯分布
00:06:30 不用老师，AI怎么自己考上大学？
00:12:21 增长的“万能公式”，如何科学地预测你的下一步？
00:19:27 AI的诚信危机，我们如何相信一个“超级大脑”？
00:25:58 你的手机，为什么要养一个“专家委员会”？
本期介绍的几篇论文：
[LG] When Does LeJEPA Learn a World Model?
[Cold Spring Harbor Laboratory & New York University & Brown University]
https://arxiv.org/abs/2605.26379
---
[CL] Self-Verified Distillation: Your Language Model Is Secretly Its Own Synthetic Data Pipeline
[Stanford University]
https://arxiv.org/abs/2605.26132
---
[LG] Unified Neural Scaling Laws
[Mila, University of Montreal & Google DeepMind]
https://arxiv.org/abs/2605.26248
---
[AI] ScientistOne: Towards Human-Level Autonomous Research via Chain-of-Evidence
[Google Cloud AI Research]
https://arxiv.org/abs/2605.26340
---
[LG] MobileMoE: Scaling On-Device Mixture of Experts
[Meta AI]
https://arxiv.org/abs/2605.27358

在小宇宙查看该单集文稿