AI可可AI生活

本期我们将为你拆解五篇极具启发性的最新论文，看看AI如何打破常规，重塑我们解决问题的底层逻辑。今天，我们会聊聊机器人如何在“平行宇宙”里靠交互生成未来，算力流水线如何逼出软硬协同的智慧，以及聪明的AI是怎么在记忆上巧妙“偷懒”的。此外，还有人形机器人教我们拒绝“空动作”掌握发力技巧，并带你一起警惕那些过度讨好你的“近视”AI。
00:00:34 给机器人造一个“平行宇宙”，以及它带给我们的做事心法
00:05:16 换个姿势解决问题，被物理法则逼出来的效率跃迁
00:10:19 别用战术上的勤奋掩盖战略上的懒惰，看看顶级AI是如何“偷懒”的
00:14:34 别光顾着摆架子，得看你用了多少力，一个机器人实验给普通人的进阶启示
00:19:54 为什么越是“懂你”的AI，越可能成为剥夺你能力的温柔陷阱？
本期介绍的几篇论文：
[AI] Interactive World Simulation with Cosmos for Physical AI
[NVIDIA]
https://arxiv.org/abs/2611.06627
---
[LG] Systolic Linear Attention：Co-Designing Tile-Grouped Gated Delta Attention for TPUs
[Google]
https://arxiv.org/abs/2611.06828
---
[LG] Shallow Encoding Emits Deep Memories
[NVIDIA]
https://arxiv.org/abs/2611.06084
---
[RO] Ctrl-F：Force as an Interface for Humanoid Loco-Manipulation
[UC Berkeley]
https://arxiv.org/abs/2611.05507
---
[LG] Alignment Myopia in Generative AI
[Google Research & Google DeepMind]
https://arxiv.org/abs/2611.06830

在小宇宙查看该单集文稿

本期我们将硬核拆解五篇最新论文，带你彻底打破关于AI和人类心智的“效率幻觉”。我们将探讨底层的分词器如何暗藏偏见，揭秘AI为何不需要“超长记忆”也能干好重活，并拆开黑盒看懂它“现学现卖”背后的神经回路。此外，我们还会看看AI如何通过一张限制视野的“草稿纸”实现算术零错误，以及为什么单纯的“打分机制”教不出真正的顶尖高手。准备好给大脑来一次系统升级了吗，我们马上开始！
00:00:36 为什么“浓缩”不一定是精华？戳破关于聪明的三个错觉
00:05:47 别被“超长记忆”骗了，揭示真正的高手思维
00:10:32 哪怕只看一遍，AI凭什么能“现学现卖”？
00:15:57 别让大脑硬扛，一个让AI永不出错的奇妙思路
00:20:22 为什么光靠“打分”教不出顶尖高手？从训练AI看懂真正的高效成长
本期介绍的几篇论文：
[CL] Tokenizer Myths and Where To Find Them
[Stanford University]
https://arxiv.org/abs/2611.04215
---
[AI] You don't need long context
[NVIDIA]
https://arxiv.org/abs/2611.05306
---
[CL] A Circuit for In-Context Learning
[Stanford University]
https://arxiv.org/abs/2611.05344
---
[LG] Sketchpad: certified exact arithmetic with a small vision-language model
[MIT]
https://arxiv.org/abs/2611.04434
---
[LG] Stabilizing On-Policy Targeted Guidance in Agentic Reinforcement Learning
[Cursor Research & UC Berkeley]
https://arxiv.org/abs/2611.05266

在小宇宙查看该单集文稿

今天，我们将带你一口气读懂五篇极具启发的最新论文，看看AI如何用“反直觉”的方式重塑我们的认知：从给小模型“开卷提示”来预测未来潜力，到调优基准线戳破90%的技术降维神话；从让AI化身战略家自主进化“办事SOP”，到用最笨的死记硬背练就极速“元记忆”，最后我们还会揭秘，为什么AI的“胡说八道”与边缘的“单次事实”里，竟藏着科学发现的钥匙。准备好了吗？让我们一起开启今天硬核又通透的AI之旅！
00:00:38 遇见未来的“笨办法”，为什么给一点提示，就能看透事物的潜力？
00:04:20 为什么90%的“降维打击”，只是因为你没有发挥出真实的实力？
00:08:22 真正的高手，都在打造一套自我进化的“办事系统”
00:12:03 为什么越“笨”的功夫，反而能练出最快的脑子？
00:16:02 为什么AI的“胡说八道”里，藏着科学发现的秘密？
本期介绍的几篇论文：
[LG] Hinted Scaling Laws
[Stanford University]
https://arxiv.org/abs/2611.02270
---
[CL] Tune the Baseline First：Most of Muon's Scaled Weight Decay Gain Is a Tuning Gap， but Its Small Real Advantage Grows With Model Size
[E Xin]
https://arxiv.org/abs/2611.0252
---
[AI] Strategist: Evolving Reasoning with Agents
[Princeton University & Meta]
https://arxiv.org/abs/2611.03618
---
[LG] Meta-memorization and memorization scaling laws in transformers
[Princeton University]
https://arxiv.org/abs/2611.01564
---
[CL] Tracing the Scientific Discovery Capacity of LLMs to Their Training Data
[Johns Hopkins University]
https://arxiv.org/abs/2611.03617

在小宇宙查看该单集文稿

今天我们要拆解五篇极具启发的最新论文，看看AI是如何在复杂任务中“分层解耦”做长远规划，又是如何通过一行代码挽救被“四舍五入”抹杀的微小进步。我们还会探讨AI怎样通过“只读不写”的实地调查实现谋定而后动，以及它内心独白里那些暴露习惯的“口头禅”。最后，我们将揭秘AI在面对“只可意会”的视觉任务时，如何突破语言文字的局限。准备好你的好奇心，让我们一起从前沿算法中，寻找个人成长与破局的通关密码！
00:00:38 为什么越长远的计划越容易失败？
00:05:15 一毛钱的微小进步，凭什么决定顶级大脑的成败？
00:10:42 如果AI也懂得“谋定而后动”，它在脑海里到底经历了什么？
00:15:14 别被第一步的笨拙骗了，探秘人工智能的“内心独白”
00:20:18 说不清的“只可意会”，才是高手的底牌
本期介绍的几篇论文：
[RO] Hierarchical World Models with Implicit Dynamics
[New York University & Meta-FAIR]
https://arxiv.org/abs/2610.42146
---
[LG] bf16 Rounding Silently Discards Most RL Policy Updates: A Hidden Training-Inference Mismatch and an Unbiased One-Line Fix
[Stanford University]
https://arxiv.org/abs/2610.41073
---
[AI] Agentic World Modeling for Agent Test-time Scaling without Environment Replica
[Microsoft & University of Wisconsin–Madison]
https://arxiv.org/abs/2610.40927
---
[AI] The First Few Tokens Matter: Understanding Chain-of-Thought Controllability
[Harvard University & Cambridge Boston Alignment Initiative & MIT]
https://arxiv.org/abs/2610.40939
---
[CV] Latent Reasoning in Continuous Space for Unified Multimodal Models
[KAIST & POSTECH]
https://arxiv.org/abs/2610.42149

在小宇宙查看该单集文稿

今天我们将硬核拆解五篇最新论文，看看AI在自由探索物理定律时为何会对“反常现象”视而不见，以及花大价钱让大模型“深度思考”到底是不是在交智商税。我们还会从AI底层函数的极端压力测试中汲取“属性思维”，并围观AI如何在虚拟精神科问诊里学会人类的察言观色。最后，我们将见证AI从单纯的视频画师，进化为能让你自由探索的交互式“造物主”。准备好你的好奇心，我们马上发车！
00:00:36 当AI无所不知，它能像牛顿一样被苹果砸醒吗？
00:05:07 花大价钱让AI“深度思考”，你可能做了冤大头？
00:09:33 打破常识的盲区，AI底层的一条小缝隙，和解决问题的新思维
00:13:11 当人工智能在“虚拟空间”里学会察言观色，我们离看透人心还有多远？
00:17:52 别只把AI当画师，它正在悄悄成为“造物主”
本期介绍的几篇论文：
[CL] Can LLMs Uncover Hidden Physical Laws through Free Exploration?
[HKUST(GZ) & Alibaba Group & ZJU]
https://arxiv.org/abs/2610.37649
---
[AI] What Effort Level Should I Choose? On the Economics of Reasoning Effort in LLM Agents
[Johns Hopkins University & Together AI]
https://arxiv.org/abs/2610.34491
---
[LG] Property-Based Testing for Robust Softmax and Cross-Entropy
[M Maaz]
https://arxiv.org/abs/2610.36427
---
[AI] Training language models in simulation for psychiatric intake
[Google DeepMind]
https://arxiv.org/abs/2610.40476
---
[CV] Hy-Nomas: Towards Free-form Interactive World Generation
[Tencent Hy Visual Generation Team]
https://arxiv.org/abs/2610.36729

在小宇宙查看该单集文稿