AI可可AI生活

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

今天我们要聊的五篇最新论文，正在彻底颠覆我们对智能进化的认知：从让AI像“开科研公司”一样分工攻克数学难题，到利用“眼高手低”把苛刻审美直接内化成肌肉记忆；从告别“秋后算账”、学会在半山腰信任评判者，再到用“循环思考+混合专家”实现小模型逆袭，以及动用“注意力手术”斩断被旧信息绑架的惯性。这些前沿算法的底层突破，不仅展示了AI如何摆脱对盲目做大模型的依赖，更是一份能直接迁移到我们工作与生活中的高段位做事方法论。准备好了吗？让我们一起拆解这些聪明的解题思路。
00:00:43 当AI学会了“开公司搞科研”，我们该如何重新理解解决问题的逻辑？
00:05:39 为什么“眼高手低”反而是一件好事？从最新的人工智能进化法则说起
00:10:32 别等跑完全程才算成绩，从AI训练的新玩法，看普通人如何高效成事
00:15:58 别盲目扩张了，AI界刚刚摸透了“小团队打大胜仗”的底层逻辑
00:20:18 AI记性太好反而成了病？谈谈“旧信息”是如何绑架当下决策的
本期介绍的几篇论文：
[AI] Cogentic: Multi-Agent Orchestration for Automated Proof Discovery
[Google Research]
https://arxiv.org/abs/2609.40324
---
[AI] UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement
[Stanford University & Johns Hopkins University]
https://arxiv.org/abs/2609.38721
---
[LG] Trust the Critic More
[Stanford University]
https://arxiv.org/abs/2609.39247
---
[LG] Scaling Laws for Looped Mixture of Experts
[Meta AI]
https://arxiv.org/abs/2609.40316
---
[AI] When Context Changes: Understanding Update Failures in LLMs
[UC Berkeley]
https://arxiv.org/abs/2609.38866

在小宇宙查看该单集文稿

今天我们要拆解五篇带来颠覆性认知的最新论文：看AI如何学会把“做事与管事”彻底分开，如何靠一把“记忆橡皮擦”主动清理过载大脑；又是怎样用“窗口缓存”少折腾提速、在作画半路“实时纠偏”，甚至敢于拒绝“正确废话”只听关键反馈。这些AI前沿技术的破局之道，其实也是我们在复杂世界里最高级的成事密码，让我们马上开启探索！
00:00:30 为什么给AI更多时间，它反而搞砸了？揭示“做事”与“管事”的本质区别
00:03:57 你以为大模型缺的是脑容量，其实它缺的是一块“橡皮擦”
00:07:26 让AI跑得快又不出错，秘密竟然是“少折腾”？
00:13:40 做事的终极心法，别等交卷才审题，要在半路就纠偏
00:18:08 为什么“全盘接受建议”反而会让人变平庸？
本期介绍的几篇论文：
[AI] Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
[Meta Superintelligence Labs]
https://arxiv.org/abs/2609.38147
---
[AI] Context Language Models
[University of Washington & MIT]
https://arxiv.org/abs/2609.37725
---
[LG] LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
[UC Berkeley & University of Washington & MIT]
https://arxiv.org/abs/2609.38166
---
[CV] PreviewDiff: Multimodal Critic-Guided Search over Diffusion Latents
[Google Cloud AI Research & MIT CSAIL]
https://arxiv.org/abs/2609.36199
---
[AI] AdviSD: Learning to Advise Frontier LLMs via Targeted Multi-Turn Self-Distillation
[Google]
https://arxiv.org/abs/2609.38142

在小宇宙查看该单集文稿

现在的AI到底是有了灵魂，还是在一边装聪明一边死记硬背？本期我们精选了5篇最新论文，带你顺着五层阶梯拆解机器意识的虚实，围观大模型在“复读机”与“思想者”之间的疯狂横跳。你还将看到AI如何打破距离限制找回超长记忆、为何单靠“写反思日记”就能脱胎换骨，以及如何用数学快照终结训练作弊。准备好了吗？让我们一起拆解这些前沿技术背后的思维密码与生命哲学！
00:00:33 别被AI的演技骗了，但也别低估了它的灵魂，揭开机器意识的五重底牌
00:06:44 你的大脑是在“真思考”，还是在“装聪明”？AI大模型的学习秘辛告诉我们答案
00:11:35 距离不再是遗忘的借口，AI是如何跨越空间找回记忆的？
00:16:07 真正的高手，都是“解释”的大师，，AI教给普通人的精进奇招
00:21:20 怎样证明你没作弊？一场重塑“信任”的算法革命
本期介绍的几篇论文：
[AI] From cacophony to hierarchy: a principled framework for assessing AI consciousness
[Google DeepMind]
https://arxiv.org/abs/2609.3561
---
[CL] Generalization Dynamics of LM Pre-training
[UC Berkeley & Stanford University]
https://arxiv.org/abs/2609.33150
---
[CL] RoPE is Dead, Long Live RoPE: Towards Scalable Data-aware Positional Encodings
[Meta AI & Université Paris-Saclay]
https://arxiv.org/abs/2609.34556
---
[AI] Shockingly Simple Self-retrospection Improves Agentic Models Without RL
[RPI & UC San Diego & KAIST]
https://arxiv.org/abs/2609.35741
---
[LG] Training Witnesses: Trusting the Training without Trusting the Trainer
[Stanford University & New York University]
https://arxiv.org/abs/2609.33915

在小宇宙查看该单集文稿