AI可可AI生活

今天我们要分享五篇极其有趣的最新论文，带你看看AI不仅学会了像人类一样“边思考边画画”并随时纠错，竟然还长出了带有偏见和私心的“小算盘”。此外，我们还要探究大模型总是“学了新知识就忘旧知识”的失联真相，并尝试给笨手笨脚的机器人戴上一副看懂物理空间的“母语眼镜”。最后，我们一起看看科学家如何通过“脑内推演”和“跨界对齐”，让机器人彻底告别“一根筋”。准备好刷新你对人工智能的认知了吗，我们马上出发！
00:00:37 AI的新活法，一边思考，一边画画
00:05:56 你以为AI是中立的？其实它有自己的“小算盘”
00:11:41 给机器人换一副“母语”眼镜
00:17:44 给AI上课，为什么它学会了新知识，却忘了旧的？
00:24:41 让机器人告别“一根筋”
本期介绍的几篇论文：
[LG] Concurrent Image Understanding and Generation: Se...去小宇宙查看完整单集简介
在小宇宙查看该单集文稿

今天这期节目，我们要聊五篇最新论文，它们从不同角度揭示了AI智能的本质。第一篇告诉我们，一万亿参数的模型在零强化学习下，居然自己"长"出了结构化思考、并行推理、甚至拟人化焦虑；第二篇发现，视频生成AI在多球碰撞这种简单物理任务上会崩盘，因为它的并行工作方式无法处理严格的因果链条；第三篇提出用"机械主义世界模型"让AI从预测者变成发现者，核心是学习可复用的解释机制而非死记硬背数据；第四篇揭示了一个可怕的"世界-行动漂移"攻击，机器人的"想象"和"行动"可以被恶意解耦，它想得对但做得错；第五篇则展示了如何让机器人真正"开窍"，关键是把语言规划和视觉想象融合成交织的思考序列。这五篇论文，构成了一幅关于AI认知边界与突破路径的完整拼图。
00:00:55 AI的“笨”功夫，当一万亿参数学会自己思考
00:07:37 为什么AI“想得越久”，反而越糊涂？
00:12:47 为什么懂了那么多道理，还是...去小宇宙查看完整单集简介
在小宇宙查看该单集文稿

你有没有想过，为什么机器人总是记不住自己干了什么？AI的“老师”会不会偷偷从网页评论区学习知识？今天，我们就来聊聊几篇最新论文带来的奇妙启发：我们将一起探索如何给机器人装上“好记性”，如何揪出AI知识里的“隐藏毒药”，并揭示让AI学会高效“差值学习”、拥有“一步到位”想象力，甚至打通“思考快车道”的秘密。
00:00:29 机器人笨手笨脚？可能只是记性不好
00:05:39 你的AI老师，可能正在偷看网页评论区
00:13:11 高手精进的秘密，不止是模仿，更是学“差值”
00:18:07 让机器人学会“一步到位”的想象力
00:23:37 AI思考的“快车道”
本期介绍的几篇论文：
[RO] RoboTTT: Context Scaling for Robot Policies
[NVIDIA]
https://arxiv.org/abs/2607.15275
---
[CL] Pret...去小宇宙查看完整单集简介
在小宇宙查看该单集文稿

这一期，我们来聊一个特别有意思的话题：如何用“巧劲”让AI变得更聪明？我们不再堆砌算力，而是探讨五篇最新论文带来的精妙思路。你会听到，有时候，真正的突破来自于一次大胆的“做减法”；有时候，我们只需在AI和它的工具之间，增加一个聪明的“随身翻译”。我们还会看到，如何像一个旁观者一样，精准确立AI每一步的功劳；如何为AI装上一个“记忆管理员”，让它学会管理自己的知识；以及，如何像动一次“微创手术”一样，只调整百万分之一的参数，就让AI掌握全新技能。
00:00:45 让AI更聪明的秘密，竟然是做减法？
00:05:54 你的AI编程助手，需要一个“随身翻译”
00:11:43 你的员工，99%的努力都白费了？
00:18:03 高手比拼的，是对记忆的管理能力
00:23:08 给AI动个“小手术”，而不是“大换血”
本期介绍的几篇论文：
[CL] GFlowRL: Scaling Distri...去小宇宙查看完整单集简介
在小宇宙查看该单集文稿

这一期，我们来当一回AI的“监考官”和“心理医生”，看看怎么科学地判断AI是在“背课文”还是“会造句”。我们还会探究，当AI说自己“十拿九稳”时，它的自信是发自内心，还是纯属表演。更会揭示，为何总分稳定的模型，答案却可能因一句无关的“废话”就悄悄“叛变”。最后，从给地球装上“大脑”，到揭开我们“猜懂”外语的秘密，这些最新论文将刷新我们对智能的认知。
00:00:33 怎么知道AI“背课文”，而不是“会造句”？
00:06:04 AI的“心里有底”，到底是怎么回事？
00:14:01 AI大模型，总分没变，答案却悄悄“叛变”了
00:18:40 你的地球专属“大脑”，是怎么被训练出来的？
00:25:22 我们其实都是半个翻译家
本期介绍的几篇论文：
[LG] Extractable Memorization From First Principles
[Stanford & Google ...去小宇宙查看完整单集简介
在小宇宙查看该单集文稿