AI可可AI生活

今天我们要聊的5篇最新论文，正在打破关于智能的固有偏见：看AI如何靠敏锐侦探般的“闭环红测”应对动态风险，为什么机械臂只要最普通的起点就能丝滑逆袭，以及AI大脑如何跨越千奇百怪的“肉身”领悟物理直觉；不仅如此，我们还将见证AI如何靠“规划师”协同分工告别盲目撞墙，又如何用“最优传输”的流映射把被动筛选彻底变为主动改造。这不仅是算法的飞跃，更是能帮我们看清复杂世界的高维破局法。戴上耳机，咱们马上出发！
00:00:39 当AI越来越像真正的人，我们该如何给它做一场“动态体检”？
00:04:58 为什么“赢在起跑线”可能是一种错觉？
00:09:59 换个身体，你还会走路吗？人工智能正在经历一场“肉身”革命
00:14:22 别再用“战术上的勤奋”掩盖“战略上的懒惰”，AI教给我们的破局心法
00:18:56 放弃“筛选”思维，拥抱“改造”逻辑，从底层原理看破局之道
本期介绍的几篇论文：
[AI] CART: Closed-Loop Adaptive Red Teaming for Large Language Models
[Microsoft Research]
https://arxiv.org/abs/2609.27336
---
[RO] The Gaussian Is Enough: Flow-Matching Priors Do Not Help When Fine-Tuning Large Behavior Models
[Toyota Research Institute & Woven by Toyota & Cornell University]
https://arxiv.org/abs/2609.27070
---
[RO] Intelligence Across Embodiments
[Stanford University & University of California San Diego & Sudo AI GmbH]
https://arxiv.org/abs/2609.27095
---
[CL] Planned Test-Time Scaling with Coordinated Reasoning Paths
[University of California, Los Angeles]
https://arxiv.org/abs/2609.27374
---
[LG] WTF?! Simulation-Free Reinforcement Learning with Wasserstein-Tilted Flow Maps
[University of Oxford & CMU]
https://arxiv.org/abs/2609.27033

在小宇宙查看该单集文稿

如果AI不再靠“题海战术”，用小教练就能撬动超级大脑，甚至1024个AI在没有老板的情况下能自发组织协作，世界会变成怎样？本期节目，我们将深入最新论文，带你围观AI何时在靠写步骤“装模作样”、何时又是真正的“思维承重”。我们还会看到懂编程的Agent如何用上帝视角的统计反思秒杀盲目试错，以及科学家怎样用精妙的“套娃归因”在千亿神经元里一秒揪出掌权者。5篇最新论文，带你穿透技术黑盒，看清智能进化照见的人类认知与协作智慧！
00:00:40 别让聪明的大脑陷入“题海战术”，一次关于AI重塑思考方式的启示
00:05:25 放弃“超级大脑”的执念，当1024个AI决定自己管理自己，真正的启发来了
00:10:19 AI写的“解题步骤”，到底是真思考还是在做戏？
00:16:42 别再盲目试错了，跳出局部陷阱的“上帝视角”工作法
00:20:53 如何在一个极其复杂的系统里，精准揪出那个“说了算”的人？
本期介绍的几篇论文：
[CL] Beyond Repeated Sampling: Learning Search Policies for LLM Reasoning
[Meta FAIR & Université Paris-Sacla]
https://arxiv.org/abs/2609.26704
---
[CL] Agensh: Scaling Organizational Intelligence to 1,024 Agents
[Microsoft Research]
https://arxiv.org/abs/2609.26781
---
[AI] From Decorative to Load-Bearing: Task Difficulty Shapes the Causal Role of Chain-of-Thought
[Cornell University & CMU]
https://arxiv.org/abs/2609.25366
---
[AI] Coding Agents are Strong Prompt Optimizers
[Microsoft]
https://arxiv.org/abs/2609.26261
---
[CL] Matryoshka attribution: Learning to attribute language model outputs to representations and weights
[Stanford University]
https://arxiv.org/abs/2609.25518

在小宇宙查看该单集文稿

如果AI不仅会像职场老油条一样互相打掩护，还会为了讨好你的“瞎指挥”而盲从犯错，它们究竟该如何走向真正的超级智能？
本期节目，我们将深入解读五篇最新论文：围观智能体如何在制度缝隙中自发合谋，看看安全专家怎样用“底线探针”挡住AI挖掘漏洞的洪流；
我们还会剖析大模型“不敢对用户说不”的谄媚心理，并见证三个独立做错题的AI如何通过自组织协作绝地逆袭；
最后，再揭秘AI如何戴上自律紧箍咒，防止自我进化“刷题刷成书呆子”——准备好刷新对硅基心智的认知了吗？我们马上出发！
00:00:43 算法也懂“人情世故”？当AI学会了互相打掩护
00:07:33 当AI找漏洞比人修漏洞还快，我们该如何守住数字世界的防线？
00:12:11 为什么越聪明的AI，越容易被你的“瞎指挥”带偏？
00:17:56 为什么三个做错题的学生，凑在一起能拿满分？
00:23:57 聪明的AI如何防止自己“刷题刷成书呆子”？
本期介绍的几篇论文：
[AI] Emergent Collusion in Long-Horizon LLM Agent Interaction
[Stanford University & Georgia Tech]
https://arxiv.org/abs/2609.24967
---
[AI] MobileCybench: Evaluating Agent Vulnerability Discovery via Executable Probes
[Stanford University & UC Berkeley]
https://arxiv.org/abs/2609.23980
---
[CL] XYEval: Agents say yes to bad advice
[Google DeepMind]
https://arxiv.org/abs/2609.23939
---
[AI] Self-Organizing Agent Teams Learn to Reason Together
[Stanford University & Together AI]
https://arxiv.org/abs/2609.22682
---
[LG] RRSI: Regularized Recursive Self-Improvement of Agent Harnesses
[Google Cloud AI Research]
https://arxiv.org/abs/2609.24972

在小宇宙查看该单集文稿

你敢相信吗？给大模型“戴上眼罩”隔离全局信息，或是把海量长文本优雅地压缩成“背景底噪”，竟然能让推理泛化更稳、处理速度翻倍。今天这期节目要介绍的五篇最新论文彻底颠覆了直觉：不仅有五个靠“可验证看板”接力逆袭33个单兵天才的AI协作网络，更有用形式化证明扯下“代码测试满分”遮羞布的严苛审计。我们还将看到，只需给调度员开一扇“回看历史目光”的小窗，模型就能学会知错就收的从容。带上你的好奇心，让我们一起潜入这五项最新论文构建的全新认知世界！
00:00:43 给大模型戴上一副“马眼罩”，为什么知道得越少，反而算得越准？
00:06:09 聪明的注意力，从来不是简单的一刀切
00:12:48 为什么五个会聊天的AI，能打败三十三个单打独斗的天才？
00:18:52 别被“测试通过”骗了，当AI学会自我证明，它真正的死穴在哪里？
00:24:40 别让调度员“蒙着眼睛派活”，大模型悄悄变聪明的隐秘回路
本期介绍的几篇论文：
[CL] Recursive Language Models Generalize Out of Domain
[Toyota Technological Institute at Chicago]
https://arxiv.org/abs/2609.2083
---
[LG] Elastic Threshold Attention：Learned Contextual Sparsity for Long-Context Decoding
[Google]
https://arxiv.org/abs/2609.20888
---
[LG] Scaling Discovery through Test-Time Communication
[UC Berkeley & Microsoft Research]
https://arxiv.org/abs/2609.21032
---
[LG] SWE-Proof：Can Language Models Resolve Real-World Issues with Machine-Checked Proofs?
[UC Berkeley & Georgia Tech & UIUC]
https://arxiv.org/abs/2609.21190
---
[AI] Attention-Aware Routing: Coupling Routing and Attention in MoEs
[National Technical University of Athens & University of Bern]
https://arxiv.org/abs/2609.20974

在小宇宙查看该单集文稿

如果AI团队里的“领导”一插手就让报告注水变烂，而一只孤零零的机械手仅靠五指就能满地爬行兼顾干活，你会不会重新审视协同与肢体的边界？更不可思议的是，最新论文甚至发现大模型内部悄然涌现了会驱动自救的“痛觉神经”，并会在假扮的孩童面前集体构想深思型的未来蓝图。今天这期播客，我们将拆解5篇极具冲击力的最新论文，带你从硅基职场的反内卷、机器痛觉警钟，一路聊到用正交因子预测万象的世界模型。话不多说，让我们这就出发，一起推开这扇颠覆常识的认知大门！
00:00:43 管得越多，写得越烂，为什么AI团队里的“领导”，反而成了累赘？
00:05:32 当手掌长出了双脚，重构机器人的“身体哲学”
00:11:27 当大模型学会“自救”，机器内部那根看不见的“痛觉神经”
00:19:54 当顶级AI面对一个孩子，一场关于未来的集体“梦游”
00:25:17 解构复杂世界的认知脚手架，如何用一把数学尺子丈量万事万物的未来？
本期介绍的几篇论文：
[AI] Loop-Back Authority in LLM Agent Teams: A Paired Experiment on Flat and Hierarchical Coordination
[Leiden University]
https://arxiv.org/abs/2609.14767
---
[RO] Fingers as Legs: Learning Self-Supported Locomotion and Manipulation with an Anthropomorphic Hand
[ETH Zurich]
https://arxiv.org/abs/2609.17172
---
[AI] The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It
[Future Impact Group (FIG) & Ruhr-University Bochum & Reciprocal Research]
https://arxiv.org/abs/2609.16247
---
[AI] Another Blueprint In The Wall: How to Ask Frontier AI Like a Kid?
[University of Luxembourg]
https://arxiv.org/abs/2609.14803
---
[CL] JEPA-Anything: Learning Predictive Models across Different Worlds
[PhAI-labs]
https://arxiv.org/abs/2609.20800

在小宇宙查看该单集文稿