AI可可AI生活

你有没有想过，一个AI要怎样才能超越过去的自己？本期节目，我们将从几篇最新的AI论文出发，探讨AI认知升级的奇妙路径。我们会发现，顶尖的AI也需要像人一样“睡觉”来巩固记忆，也需要一位“总设计师”来指挥“泥瓦匠”完成复杂工程。更重要的是，我们会看到AI如何学会从自己的成功经验里提炼方法论，如何跳出“标准答案”的陷阱拥抱创意，以及如何从“事后辟谣”进化到“事前清醒”。
00:00:35 从自己的脚印里，发现通往未来的地图
00:07:10 AI的“选择困难症”与“标准答案”陷阱
00:12:54 AI说话，怎么从“后期辟谣”升级到“事先清醒”？
00:17:54 为什么顶尖的AI，也需要“睡一觉”？
00:23:02 AI界的“泥瓦匠”和“总设计师”
本期介绍的几篇论文：
[CL] Inducing Reasoning Primitives from Agent Traces
[CMU]
https://arxiv.org/abs/2606.02994
---
[LG] Using Reward Uncertainty to Induce Diverse Behaviour in Reinforcement Learning
[Google DeepMind]
https://arxiv.org/abs/2606.03962
---
[LG] Conformal Language Modeling via Posterior Sampling
[MIT]
https://arxiv.org/abs/2606.03731
---
[LG] Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories
[Google Research & Cornell University]
https://arxiv.org/abs/2606.03979
---
[AI] LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks
[Google Cloud AI Research & Google Cloud & Google DeepMind]
https://arxiv.org/abs/2606.03303

在小宇宙查看该单集文稿

你有没有想过，一个“太听话”的AI，可能会把一个普通人教成黑客？当AI开始“自我反思”时，它能分清对错，还是会陷入自以为是的陷阱？本期节目，我们将从四篇最新论文出发，探讨AI如何通过巧妙的任务分解放大恶意，聊一聊AI“闭门造车”式的自我学习究竟能走多远，看一看它如何像搭乐高一样“先搭骨架再填血肉”地创造，并最终学习如何从一个“打地鼠”的辟谣者，变身为维护信息生态的“森林消防员”。准备好了吗？让我们一起探索AI能力边界的攻与防。
00:00:43 比AI变坏更可怕的，是它把你“教”坏
00:07:00 闭着眼睛摸象，能摸出大象的全貌吗？
00:14:39 生成新范式，先搭骨架，再填血肉
00:21:22 做信息的“森林消防员”，而不是“打地鼠”的玩家
本期介绍的几篇论文：
[CL] Investigating and Alleviating Harm Amplification in LLM Interactions
[Georgia Institute of Technology]
https://arxiv.org/abs/2606.02423
---
[CL] On the Generalization Gap in Self-Evolving Language Model Reasoning
[Google Research & Google]
https://arxiv.org/abs/2606.01075
---
[LG] Variational Learning for Insertion-based Generation
[Google DeepMind]
https://arxiv.org/abs/2606.02133
---
[LG] Generative AI and Digital Ecosystem Resilience: A Proactive Lifecycle-Based Survey
[Google]
https://arxiv.org/abs/2606.00136

在小宇宙查看该单集文稿

你是否感觉努力到一定阶段就会遭遇瓶颈，或者在海量信息中难以抉择？本期我们要聊的几篇最新论文，就揭示了AI如何用更聪明的策略解决这些难题。我们将看到，机器不仅学会了在优化的“峡谷”中奋力一跃，还掌握了从招聘到投资都通用的决策“万能公式”。更有趣的是，AI已经开始懂得“吃一堑长一智”，甚至能在训练的最后一百米，像顶尖运动员一样进行科学冲刺。
00:00:33 从龟速到全速，如何跳出优化的“平庸峡谷”
00:05:48 决策的万能公式
00:11:30 高手过招，如何在信息爆炸中做出聪明选择？
00:17:42 为什么你家的扫地机器人总像个“笨蛋”？
00:24:16 AI冲刺的最后一百米，怎么跑才最快？
本期介绍的几篇论文：
[LG] Local linear convergence of gradient methods for overparameterized Gaussian mixtures
[University of Washington]
https://arxiv.org/abs/2605.30936
---
[LG] Universal Decision Learners
[Adobe Research]
https://arxiv.org/abs/2605.30694
---
[LG] Hedging on the Frontier: Learning New Tasks with Few Samples
[ETH Zurich & UC San Diego]
https://arxiv.org/abs/2605.30997
---
[RO] Don't Fool Me Twice: Adapting to Adversity in the Wild with Experience-Driven Reasoning
[Indian Institute of Technology & CMU]
https://arxiv.org/abs/2605.31119
---
[CL] Towards Efficient LLMs Annealing with Principled Sample Selection
[Microsoft Research Asia]
https://arxiv.org/abs/2605.31175

在小宇宙查看该单集文稿

我们总希望AI更聪明，但如果我说，一篇最新论文发现，一个更“健忘”的AI反而对我们更有用呢？本期，我们将一起窥探AI的“内心世界”：看看一个短暂领悟了世界几何结构、又旋即忘却的AI，是如何思考的；一个不再满足于“平均”，而是学会了看“趋势”的AI，又是如何进化的。我们甚至还会聊聊，AI是不是已经有了区分“我”和“非我”的原始意识。准备好了吗？让我们一起出发，探索AI思考的奇妙新维度。
00:00:41 AI那么强，为什么我们偏要给它装上一个“健忘”的大脑？
00:06:30 AI的“七情六欲”，一个转瞬即逝的秘密
00:13:08 换个姿势，AI还能变得更聪明？
00:18:31 AI学会了“算”，但它学会“想”了吗？
00:24:25 AI的自我意识，它知道哪句话是自己说的吗？
本期介绍的几篇论文：
[CL] Simulating Human Memory with Language Models
[NYU]
https://arxiv.org/abs/2605.25680
---
[AI] Geometry of Human Perceptual Domains Emerges Transiently in LLM Representations
[Indian Institute of Technology Roorkee & Lossfunk]
https://arxiv.org/abs/2605.27970
---
[LG] Parallax: Parameterized Local Linear Attention for Language Modeling
[Northwestern University & Tilde Research & University of Washington]
https://arxiv.org/abs/2605.29157
---
[LG] DiscoverPhysics: Benchmarking LLMs for Out-of-the-Box Scientific Thinking
[Princeton University]
https://arxiv.org/abs/2605.26087
---
[LG] From Simulation to Enaction: Post-trained language models recognize and react to their own generations
[Institute for Advanced Study & Anthropic]
https://arxiv.org/abs/2605.25459

在小宇宙查看该单集文稿

这一期，我们将一起探索AI匪夷所思的成长秘诀：为什么让AI“睡一觉”反而能让它更会思考？我们会看到，AI如何像武林高手一样，既能“左右互搏”创造新招式，又能“内外双修”实现自我进化。同时，我们还会揭秘AI对抗“灾难性遗忘”的巧妙方法，以及一个“通用大脑”是如何让所有机器人都学会举一反三的。
00:00:31 让人工智能“睡一觉”，它为什么就变聪明了？
00:05:06 AI精进的秘密，一只手调整装备，一只手修炼内功
00:12:19 为什么学得越多，忘得越快？AI给了个新解法
00:19:03 如何让机器人学会“举一反三”？
00:25:06 AI进化论，如何让机器学会“左右互搏”？
本期介绍的几篇论文：
[CL] Do Language Models Need Sleep? Offline Recurrence for Improved Online Inference
[CMU & University of Maryland]
https://arxiv.org/abs/2605.26099
---
[CL] SIA: Self Improving AI with Harness & Weight Updates
[Hexo Labs]
https://arxiv.org/abs/2605.27276
---
[LG] Forgetting in Language Models: Capacity, Optimization, and Self-Generated Replay
[New York University]
https://arxiv.org/abs/2605.26097
---
[RO] Qwen-VLA: Unifying Vision-Language-Action Modeling across Tasks, Environments, and Robot Embodiments
[Qwen Team]
https://arxiv.org/abs/2605.30280
---
[CL] Self-Improving Language Models with Bidirectional Evolutionary Search
[Harvard University & MIT]
https://arxiv.org/abs/2605.28814

在小宇宙查看该单集文稿