AI可可AI生活

你有没有想过，要让AI变得更聪明，除了让它“读万卷书”，我们还能不能让它在虚拟世界里“行万里路”，像玩“模拟人生”一样学会物理？当很多聪明的算法凑在一起反而“掉链子”时，我们如何用“乐高积木”的思路化繁为简？这一期，我们将一起探寻几份最新论文带来的启发：从像婴儿一样在“思想实验”中探索世界，到用一张“知识地图”代替“知识词典”来解决复杂问题，甚至让AI学会“自我怀疑”，从而变得又快又好。准备好了吗？让我们一起出发！
00:00:38 AI版“模拟人生”让机器在虚拟世界里学会物理
00:05:56 从1到N如何让你的数据分析稳上加稳？
00:12:14 AI养娃我们可能找到了让机器像婴儿一样学习的秘密
00:18:01 高手解决问题，靠的是地图，而不是词典
00:24:14 AI的自我怀疑，一个让大模型又快又好的新思路
本期介绍的几篇论文：
[LG] Solving Physics Olympiad via Reinforcement Learning on Physics Simulators
[CMU & Lambda]
https://arxiv.org/abs/2604.11805
---
[LG] Replicable Composition
[University of Maryland & Google Research]
https://arxiv.org/abs/2604.10423
---
[LG] Zero-shot World Models Are Developmentally Efficient Learners
[Stanford University]
https://arxiv.org/abs/2604.10333
---
[CL] Structure-Grounded Knowledge Retrieval via Code Dependencies for Multi-Step Data Reasoning
[Microsoft & Simon Fraser University & University of Science and Technology of China]
https://arxiv.org/abs/2604.10516
---
[LG] Introspective Diffusion Language Models
[Together AI]
https://arxiv.org/abs/2604.11035

你有没有想过，我们能像做微创手术一样，在AI思考的瞬间“拨乱反正”，引导它向善吗？或者，让昂贵的AI训练学会“温故知新”，把扔掉的经验变废为宝？本期节目，我们将一起探索几篇最新论文，看看科学家们如何教会AI遵守自己立下的规矩，如何让它既会“看路”又会“造景”，甚至，如何为它补上一堂生动的物理课，让它的想象力更符合现实。准备好了吗？让我们马上出发！
00:00:34 给AI的大脑装一个“概念导航”
00:06:53 AI训练的高效秘诀，好东西值得再用一次
00:12:07 如何看穿一个AI的“人设”？
00:16:56 AI新思路，想看清世界，先学会走路
00:23:07 为什么AI生成的视频总感觉“假”？答案藏在物理学里
本期介绍的几篇论文：
[LG] Dictionary-Aligned Concept Control for Safeguarding Multimodal LLMs
[University of Pennsylvania & Amazon]
https://arxiv.org/abs/2604.08846
---
[LG] Efficient RL Training for LLMs with Experience Replay
[FAIR at Meta]
https://arxiv.org/abs/2604.08706
---
[CL] Do LLMs Follow Their Own Rules? A Reflexive Audit of Self-Stated Safety Policies
[Microsoft]
https://arxiv.org/abs/2604.09189
---
[CV] Rays as Pixels: Learning A Joint Distribution of Videos and Camera Trajectories
[Meta AI]
https://arxiv.org/abs/2604.09429
---
[CV] PhysInOne: Visual Physics Learning and Reasoning in One Suite
[vLAR Group]
https://arxiv.org/abs/2604.09415

你是否想过，为什么你的AI助理连订张机票都费劲？本期节目，我们将一起给AI来一场“真实世界”的大考，看看它究竟能得多少分。我们还会揭秘如何不给模型动手术，只靠“补课”就让它说话速度提升1.7倍。更有趣的是，我们将看到一个“过时”的技术如何靠“大力出奇迹”王者归来，以及一个“思维越狱”般的巧妙设计，如何让一张显卡也能训练千亿大模型。最后，我们还会认识一支能帮你写论文的“AI管弦乐队”。准备好了吗？让我们马上进入AI前沿的奇妙世界。
00:00:39 你的AI助理，离真正上岗还有多远？
00:05:50 让AI大模型提速，只需要“补课”就够了
00:10:13 老树发新芽，一个被人小瞧的技术，如何靠“笨办法”王者归来？
00:15:46 AI的“昂贵误会”，我们都搞错瓶颈了吗？
00:22:05 你的下一个写作搭档，可能不是一个人
本期介绍的几篇论文：
[CL] ClawBench: Can AI Agents Complete Everyday Online Tasks?
[University of British Columbia & Vector Institute]
https://arxiv.org/abs/2604.08523
---
[CL] MARS: Enabling Autoregressive Models Multi-Token Generation
[Nanyang Technological University & Singapore Management University & Uppsala University]
https://arxiv.org/abs/2604.07023
---
[CV] LoMa: Local Feature Matching Revisited
[Chalmers University of Technology & Linköping University & University of Amsterdam]
https://arxiv.org/abs/2604.04931
---
[CL] MegaTrain: Full Precision Training of 100B+ Parameter Large Language Models on a Single GPU
[University of Notre Dame & Lehigh University]
https://arxiv.org/abs/2604.05091
---
[LG] PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing
[Google]
https://arxiv.org/abs/2604.05018

如果你的电脑本身就是一个神经网络，没有CPU会怎样？如果AI想学一门手艺，得先让另一个AI给它建个“驾校”呢？本期节目，我们将从五篇最新论文出发，聊聊AI如何从2D世界“透视”三维，如何用量子芯片实现超级压缩，并最终探讨一个直击灵魂的问题：AI正在让我们变聪明，还是变懒？
00:00:27 你的下一台电脑，为什么可能没有CPU？
00:09:13 AI想“上岗”，得先过哪一关？
00:14:57 从“看扁”到“透视”，AI如何拥有3D“世界观”？
00:20:36 你的下一个U盘，可能是个量子芯片
00:26:12 AI，是你的“外挂”还是你的“拐杖”？
本期介绍的几篇论文：
[LG] Neural Computers
[Meta AI]
https://arxiv.org/abs/2604.06425
---
[LG] Gym-Anything: Turn any Software into an Agent Environment
[CMU]
https://arxiv.org/abs/2604.06126
---
[CV] Boxer: Robust Lifting of Open-World 2D Bounding Boxes to 3D
[Meta Reality Labs Research]
https://arxiv.org/abs/2604.05212
---
[LG] Exponential quantum advantage in processing massive classical data
[California Institute of Technolog & MIT & Google Quantum AI]
https://arxiv.org/abs/2604.07639
---
[AI] AI Assistance Reduces Persistence and Hurts Independent Performance
[CMU & University of Oxford]
https://arxiv.org/abs/2604.04721

想让AI更聪明，我们总觉得要给它看更多、学更多，但如果我告诉你，真正的秘诀恰恰相反呢？本期节目，我们将一起探索几篇最新的AI论文，看看科学家是如何教会AI“选择性遗忘”，又是如何给AI做“脑CT”来判断它是不是在“假装努力”。我们还会聊到，如何打造一个能快速学会任何人大脑“方言”的超级解码器，以及怎样只用1%的精力，就让AI帮你“看完”一部长电影。准备好了吗？让我们一起刷新对AI的认知！
00:00:37 按下删除键之后，东西就真的消失了吗？
00:06:54 造一把“万能钥匙”？不如当个“超级锁匠”
00:11:24 想让AI更博学？先给它少看点书
00:16:21 给AI做个体检，我们怎么知道它不是在瞎蒙？
00:22:01 如何只用1%的精力，看完一部长电影的精华？
本期介绍的几篇论文：
[LG] Is your algorithm unlearning or untraining?
[Google]
https://arxiv.org/abs/2604.07962
---
[LG] Meta-learning In-Context Enables Training-Free Cross Subject Brain Decoding
[University of Hong Kong]
https://arxiv.org/abs/2604.08537
---
[CL] Cram Less to Fit More: Training Data Pruning Improves Memorization of Facts
[Apple & National University of Singapore]
https://arxiv.org/abs/2604.08519
---
[LG] Inside-Out: Measuring Generalization in Vision Transformers Through Inner Workings
[University of Delaware & George Mason University]
https://arxiv.org/abs/2604.08192
---
[CV] Small Vision-Language Models are Smart Compressors for Long Video Understanding
[Meta AI]
https://arxiv.org/abs/2604.08120