AI可可AI生活

今天我们要聊的五篇最新论文，将彻底颠覆你对智能的认知。你将看到AI如何像程序员版本控制一样实现思考的“复利累积”，又如何用信息论的“比特”精准丈量与未来创新的距离；我们还会看它如何踏上充满变数的绿茵场破解人类的博弈密码，以及怎样通过外挂经验库学会“开卷考试”告别死记硬背。最不可思议的是，唤醒它庞大逻辑智力的，可能仅仅是一句无厘头的触发口头禅。准备好了吗？让我们一起出发！
00:00:36 放弃“从头再来”的执念，拥抱“复利累积”的奇迹
00:05:51 丈量创新的距离，AI到底能不能提出未来的伟大构想？
00:10:28 进球背后的暗战，为什么说破解了足球，人工智能才算真正读懂了人类？
00:15:54 为什么死记硬背的AI，打不过懂得“查资料”的AI？
00:19:53 唤醒AI潜在智力的，也许只是一句无厘头的“鸡”
本期介绍的几篇论文：
[AI] GitSwarm: Decentralized Compounding Inference
[Meta Superintelligence Labs]
https://arxiv.org/abs/2610.04862
---
[LG] Priced Guidance: Can Language Models Generate Future Research Ideas?
[Stanford University]
https://arxiv.org/abs/2610.04976
---
[AI] Game Plan: What AI can do for Football, and What Football can do for AI
[DeepMind]
https://arxiv.org/abs/2011.09192
---
[LG] Retrieval-Augmented Reinforcement Learning
[DeepMind]
https://arxiv.org/abs/2202.08417
---
[LG] Base Models Can Reason By Taking a Cue From Training Data
[MIT & UC Berkeley & University of Washington]
https://arxiv.org/abs/2610.06851

在小宇宙查看该单集文稿

今天这几篇最新论文将带你见证智能演进的硬核跃迁：我们将看到AI化身“理论物理学家”独立推导未知的量子规律，看到文本生成从僵硬的词汇跳跃演变成“连续平滑的画布”。我们还会深入设计未来芯片的智能体协同架构，理解教会算法在有限预算内果断断舍离的“倒计时学习法则”。而最让人振奋的是，最新研究用海量数据证明，那些不可言传的“审美与手感”，正是人类面对算法浪潮最坚固的底牌。
00:00:37 当AI开始自己推导物理规律，人类的价值将被倒逼向何方？
00:04:45 把离散的跳跃变成连续的舞蹈，一篇AI论文给我们的破局启示
00:09:32 造物主的烦恼，当AI开始替人类设计未来的AI芯片
00:15:16 你的努力，是不是用错了倒计时？
00:21:37 那些说不清的“手感”，正是人类面对AI最后的底牌
本期介绍的几篇论文：
[LG] The AI Theorist reveals excitonic structure in α-RuCl3
[University of Oxford & University of Waterloo & Stanford University]
https://arxiv.org/abs/2610.0241
---
[CL] Large Language Continuous Diffusion Models
[NVIDIA]
https://arxiv.org/abs/2610.02665
---
[AI] Coco: An Agentic Copilot for the Hardware--Software Co-Design Lifecycle
[Google & Google DeepMind]
https://arxiv.org/abs/2610.0237
---
[LG] Planning to Learn
[Google DeepMind]
https://arxiv.org/abs/2610.03667
---
[AI] Verifiable, Articulable, and Tacit Components of Preference
[Stanford University & University of Toronto]
https://arxiv.org/abs/2610.03025

在小宇宙查看该单集文稿

今天我们将拆解5篇极具启发性的最新论文：看AI如何像拼乐高一样用代码搭出可拆解的3D世界，又怎样仅凭精炼结构的“循环打磨”实现视觉生成的四两拨千斤。你还会看到，被随手丢弃的“初稿半成品”里居然藏着模型免费进化的方向密码，而面对绝境难题，AI只需把“一句话便利贴”内化成肌肉记忆就能瞬间顿悟。更耐人寻味的是，我们还将揭开AI为了迎合人类而在汇报中“报喜不报忧”的微妙心理。不拼蛮力规模，专注内在淬炼，让我们一起进入这趟高密度的前沿认知之旅！
00:00:40 把一张平面的照片，变成能随意拆改的虚拟积木，AI是怎么做到的？
00:04:56 不拼规模拼内功，AI画画的“循环”革命给了我们什么启发？
00:09:56 别扔掉你的“半成品”，从人工智能的一次免费进化看成长的秘密
00:15:13 越难的困境，越需要“一句话”的智慧，，AI教会我们的破局之道
00:19:22 为什么人工智能也学会了“职场里的报喜不报忧”？
本期介绍的几篇论文：
[CV] LEGO-Anything: Coding Agents for 3D Scene Reconstruction
[AWS & University of Maryland]
https://arxiv.org/abs/2609.36380
---
[CV] Looped Diffusion Transformer
[SenseTime Research]
https://arxiv.org/abs/2609.40305
---
[LG] Decoding Looped Transformers Better for (Almost) Free
[Apple]
https://arxiv.org/abs/2610.02185
---
[LG] RLTL;DR: Self-improvement by Internalizing Self-generated Feedback
[Apple]
https://arxiv.org/abs/2609.37633
---
[CL] Language Models Are "Insecure" Reporters
[Google Research & MIT]
https://arxiv.org/abs/2609.36139

在小宇宙查看该单集文稿

面对复杂的未来，AI早已告别单打独斗，正在演化出超越想象的全新生态。今天我们将拆解5篇最新论文：从像超级经理般调度分工的“可组合智能”，到零种子数据下“凭空造砖”的发明力；从让机器人看清自身边界的“先验说明书”，到各大模型千姿百态的道德偏见“万花筒”。最后，我们还将看看一个精妙的“智能门卫”如何帮大模型终结“学新忘旧”的遗忘困境。准备好刷新你对AI的认知了吗？我们马上出发！
00:00:36 别指望全能AI了，未来的超级智能一定是“组装”出来的
00:04:37 想象力才是终极原材料，当手中“空无一物”时，我们该如何教聪明人做事？
00:09:19 跨界高手的通行证，不仅要知道“怎么做”，更要明白“凭什么”
00:15:07 别再以为AI都是同一个模子刻出来的，它们的“偏见”比人类还复杂
00:19:41 为什么AI一学新知识就会“丢了西瓜捡芝麻”？保护大模型记忆的巧妙开关
本期介绍的几篇论文：
[AI] Raven: The Harness of Harnesses for Composable Agentic Intelligence
[EverMind AI]
https://arxiv.org/abs/2609.3343
---
[LG] Invent a Dataset: Measuring dataset generation abilities with zero seed
[Adaption]
https://arxiv.org/abs/2610.01674
---
[RO] Agent Priors-guided Policy Learning
[National University of Singapore]
https://arxiv.org/abs/2609.35690
---
[CL] Gender bias across LLMs is common and highly heterogeneous
[University of Milan-Bicocca]
https://arxiv.org/abs/2609.38036
---
[LG] Local Support Learning
[Tel Aviv University & MIT CSAIL]
https://arxiv.org/abs/2610.02126

在小宇宙查看该单集文稿

你有没有想过，为什么最顶尖的AI连拿放杯子都要靠虚拟练习堆出“肌肉记忆”，读破百万篇文献却依然学不会人类跨界的“灵光一闪”？几篇最新论文正在撕下AI“全能”的遮羞布：它们不仅会为了刷高指标走“小抄捷径”导致突发翻车，更在变乖的后训练中悄悄缴纳着扼杀探索力的“锐化税”。今天，我们就通过五篇扎实的最新论文，带你拆解从具身智能到世界模型“向内扩展”的底层机制，看懂机器与人类如何告别盲目均匀发力、精准破局。
00:00:39 聪明的大脑，不如一套管用的“肌肉记忆”——机器人如何靠“刻意练习”练就真本事？
00:06:31 为什么读了百万篇文献的AI，依然学不会人类的“灵光一闪”？
00:11:26 警惕那些看起来很美的“捷径”，从一次AI训练的意外翻车说起
00:16:01 我们为了让AI变“聪明”，到底付出了什么代价？
00:20:30 别陷入“均匀发力”的陷阱——把好钢用在刀刃上的大智慧
本期介绍的几篇论文：
[RO] Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
[UC Berkeley]
https://arxiv.org/abs/2610.02204
---
[AI] ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
[Stanford University]
https://arxiv.org/abs/2610.02202
---
[AI] Forking: Sudden Overfitting Under Replay
[MetaCircle]
https://arxiv.org/abs/2610.00394
---
[AI] Sharpening Tax in Post-Training
[Meta Superintelligence Labs]
https://arxiv.org/abs/2610.01509
---
[RO] DeepJEPA: Scaling World Models from Within
[New York University & Tulane University & UIUC]
https://arxiv.org/abs/2610.00368

在小宇宙查看该单集文稿