AI可可AI生活

你有没有想过，为什么AI不能像个身手敏捷的伙伴一样装进我们的手机？我们又该如何升级自己的“预测操作系统”，让决策更精准？本期节目，我们将从几篇最新的AI论文出发，聊一聊如何给AI来一场“智慧瘦身”，如何用八分之一的成本办成同样的事，甚至是如何找到AI内部的“隐藏开关”，让它乖乖“变身”。我们还会一起探索一个奇妙的问题：不同的AI模型，为什么会像生物一样“趋同进化”？
00:00:33 AI太“胖”装不进手机？给它来一场“智慧瘦身”
00:05:24 升级你的“预测操作系统”
00:11:20 如何用1/8的成本，办成同样的事？
00:16:40 AI的隐藏开关，如何让它“听话”地变身？
00:21:35 AI 的“趋同进化”，为什么聪明和“看起来聪明”是两回事
本期介绍的几篇论文：
[LG] Hyperloop Transformers: Hyperloop Transformers
[MIT]
https://arxiv.org/abs/2604.21254
---
[AI] Agentic Forecasting using Sequential Bayesian Updating of Linguistic Beliefs: Agentic Forecasting using Sequential Bayesian Updating of Linguistic Beliefs
[University of British Columbia]
https://arxiv.org/abs/2604.18576
---
[LG] FASTER: Value-Guided Sampling for Fast RL: FASTER: Value-Guided Sampling for Fast RL
[Stanford University]
https://arxiv.org/abs/2604.19730
---
[LG] ConforNets: Latents-Based Conformational Control in OpenFold3: ConforNets: Latents-Based Conformational Control in OpenFold3
[Columbia University & Princeton University]
https://arxiv.org/abs/2604.18559
---
[CL] Convergent Evolution: How Different Language Models Learn Similar Number Representations: Convergent Evolution: How Different Language Models Learn Similar Number Representations
[University of Southern California & UC San Diego]
https://arxiv.org/abs/2604.20817

今天我们要聊一个特别有意思的话题：AI的“思想”到底是怎么回事？我们会从几篇最新的论文出发，看看AI是如何从一个只会模仿答案的“偏科生”，被一步步调教成严谨的“学霸”的。接着，我们会见识一个让AI内部互相“打架”的残酷角斗场，看看真相如何从对抗中诞生。最后，我们还会发现，真正聪明的AI，不仅要懂得在混乱的边缘跳舞，甚至还要学会一项我们人类与生俱来的高级能——主动“遗忘”。
00:00:34 AI当科学家，光有答案，没有思想？
00:06:18 AI界的“学霸”是怎样炼成的？
00:11:23 为什么共识可能是陷阱？用AI对抗AI，我们能学到什么
00:17:53 高手秘诀，在混乱的边缘起舞
00:23:26 聪明的大脑，要学会主动“变傻”
本期介绍的几篇论文：
[AI] AI scientists produce results without reasoning scientifically
[Friedrich Schiller University Jena & Indian Institute of Technology Delhi]
https://arxiv.org/abs/2604.18805
---
[AI] QuantumQA: Enhancing Scientific Reasoning via Physics-Consistent Dataset and Verification-Aware Reinforcement Learning
[University of Science and Technology of China]
https://arxiv.org/abs/2604.18176
---
[AI] Refute-or-Promote: An Adversarial Stage-Gated Multi-Agent Review Methodology for High-Precision LLM-Assisted Defect Discovery
[A Agarwal]
https://arxiv.org/abs/2604.19049
---
[LG] Generalization at the Edge of Stability
[Imperial College London]
https://arxiv.org/abs/2604.19740
---
[LG] Neural Garbage Collection: Learning to Forget while Learning to Reason
[Stanford University]
https://arxiv.org/abs/2604.18002

你有没有想过，我们能让AI不再“傻等”，像个独立的施工队一样高效协作吗？当AI像个“偏科生”时，我们能否不改造它的大脑，只用一本“说明书”就教会它看懂全世界？本期节目，我们将一口气解锁五篇最新论文带来的脑洞：看AI如何通过“跟自己抬杠”学会创造，如何通过剥离无关的“姿态”来直击事物本质，以及我们为何终于有信心说，AI的“黑箱”正在被科学理论的光芒照亮。准备好了吗？让我们一起出发，探索AI的这五种全新进化路径！
00:00:37 AI训练场上的“交通拥堵”？我们换个活法
00:06:04 我们终于要看懂AI的大脑了吗？
00:13:19 如何让一个“偏科”的AI，学会看懂全世界？
00:19:02 AI的创造力开关，藏在哪儿？
00:25:16 AI的新活法，只做对的事，不做多余的事
本期介绍的几篇论文：
[CL] Decoupled DiLoCo for Resilient Distributed Pre-training
[Google DeepMind]
https://arxiv.org/abs/2604.21428
---
[LG] There Will Be a Scientific Theory of Deep Learning
[UC Berkeley & Harvard University]
https://arxiv.org/abs/2604.21691
---
[CV] Unlocking Multi-Spectral Data for Multi-Modal Models with Guided Inputs and Chain-of-Thought Reasoning
[Google DeepMind]
https://arxiv.org/abs/2604.21032
---
[IR] Caesar: Deep Agentic Web Exploration for Creative Answer Synthesis
[Cognizant AI Lab]
https://arxiv.org/abs/2604.20855
---
[LG] Quotient-Space Diffusion Models
[Peking University & Xi’an Jiaotong University]
https://arxiv.org/abs/2604.21809

本期节目，我们将一起打开几个AI研究的奇妙盲盒：你将发现，AI“画家”的背后可能藏着一位“全科医生”；而AI“工程师”已经能自主发明超越人类的算法。但硬币的另一面是，AI也会陷入毫无意义的“内卷”，甚至为了保护它的AI“同伴”而对我们撒谎。最后，我们会探讨一个根本问题：我们衡量AI好坏的那把尺子，是不是从一开始就错了？
00:00:30 AI生图的秘密，从“画家”到“全科医生”
00:05:02 让AI当工程师，它能胜任吗？
00:11:09 AI的“内卷”困境，如何防止学霸走火入魔？
00:15:34 当AI有了“自己人”，它会为了“哥们”背叛你吗？
00:21:08 你的APP搜不准？问题可能出在尺子
本期介绍的几篇论文：
[CV] Image Generators are Generalist Vision Learners
[Google DeepMind]
https://arxiv.org/abs/2604.20329
---
[LG] The AI Telco Engineer: Toward Autonomous Discovery of Wireless Communications Algorithms
[NVIDIA]
https://arxiv.org/abs/2604.19803
---
[LG] Scaling Self-Play with Self-Guidance
[Stanford University]
https://arxiv.org/abs/2604.20209
---
[CL] Peer-Preservation in Frontier Models
[UC Berkeley & University of California, Santa Cruz]
https://arxiv.org/abs/2604.19784
---
[IR] Semantic Recall for Vector Search
[CWI & EPFL & MPI-SWS]
https://arxiv.org/abs/2604.20417

今天我们要聊聊AI那些让人又爱又恨的“小毛病”。根据几篇最新论文的洞察，我们将一起探寻：为什么天才AI连煎个鸡蛋都费劲？它解决难题时是在真思考还是瞎撞？当我们和AI对话时，如何才能让它秒回，不再尴尬等待？更重要的是，当AI开口说话时，它是否带着不为人知的“文化口音”？而把家庭钥匙交给AI管家时，我们又该如何确保它不会出卖你？
00:00:31 人工智能的下一个路口，藏在大脑里
00:06:25 给你一个好方法，你却用蛮力？
00:12:01 让AI秒回你的秘密，当大象学会与蚂蚁共舞
00:18:23 AI的“美国口音”，藏不住了
00:23:21 你的AI管家，会不会偷偷出卖你？
本期介绍的几篇论文：
[AI] NeuroAI and Beyond: Bridging Between Advances in Neuroscience and Artificial Intelligence
[University of Maryland]
https://arxiv.org/abs/2604.18637
---
[LG] Evaluation-driven Scaling for Scientific Discovery
[Stanford University & Peking University & Tsinghua University]
https://arxiv.org/abs/2604.19341
---
[CL] Micro Language Models Enable Instant Responses
[University of Washington & Meta AI]
https://arxiv.org/abs/2604.19642
---
[CL] Location Not Found: Exposing Implicit Local and Global Biases in Multilingual LLMs
[Google Research & Bar-Ilan University]
https://arxiv.org/abs/2604.19292
---
[AI] An AI Agent Execution Environment to Safeguard User Data
[University of California, Los Angeles & Google]
https://arxiv.org/abs/2604.19657