AI可可AI生活

我们该如何教会AI看世界，同时避免它养成“视觉懒惰症”？为什么一个看过答案的“完美家教”，反而会让聪明的AI学生变得更笨？本期我们还将探讨，AI为何会像人类高手一样遭遇“跨界”难题，以及我们如何教会它像个老道的工匠一样“看人下菜碟”，智能地选择工具。今天，四篇最新论文将带我们深入AI成长的烦恼与智慧。
00:00:29 给AI装上眼睛，我们踩过哪些坑？
00:07:08 聪明学生的困境，为什么完美的家教反而会让你变笨？
00:12:58 AI的“跨界”难题，为什么高手也会栽跟头？
00:19:04 AI干活，也得学会“看人下菜碟”
00:24:20 那个“最懂你”的AI，可能只是个热情的陌生人
本期介绍的几篇论文：
[CV] Towards Physics of Multimodal Pretraining: Knowledge Flow, Modality Synergy, Early Unification, and Recipes
[FAIR, Meta]
https://arxiv.org/abs/2608.05000
---
[LG] Privileged, but Biased: How PI-Conditioned Teachers Break Self-Distillation
[Microsoft Research]
https://arxiv.org/abs/2608.04794
---
[CL] Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning
[Princeton University & CMU]
https://arxiv.org/abs/2608.05139
---
[AI] COMPAS: Difficulty-Aware Joint Search for Optimizing Code Generation
[King’s College London]
https://arxiv.org/abs/2608.04336
---
[CL] The Personalization Mirage: How LLMs Fabricate User Profiles, and Why Self-Monitoring Misleads
[LIGHTSPEED & The Hong Kong University of Science and Technology]
https://arxiv.org/abs/2608.04570

在小宇宙查看该单集文稿

你有没有想过，两个顶尖AI在“囚徒困境”里，竟然会不约而同地选择信任彼此？大模型又是如何像继承“传家宝”一样，瞬间读懂小模型的记忆？甚至，机器人和AI自己，也学会了拥有“节奏感”和使用“错题本”来不断进化。本期节目，我们就从几篇最新论文出发，一起探寻AI世界里那些反直觉的智慧。
00:00:27 AI的信任游戏，为什么聪明的它，会选择合作而非背叛？
00:05:45 AI 家族的“传家宝”，大模型如何继承小模型的“记忆”？
00:10:40 机器人也需要“节奏感”？
00:15:58 AI也需要一个“错题本”？
本期介绍的几篇论文：
[AI] A game theory for foundation models shows new paths to rational cooperation through similarity inference
[Google]
https://arxiv.org/abs/2608.03958
---
[LG] Cross-Model KV Cache Transfer in LLM Families: A Closed-Form Linear Mapping for Prefill Reuse
[NVIDIA]
https://arxiv.org/abs/2608.03893
---
[RO] Continue or Replan? Bernoulli-Continuation Policy Learning for Adaptive Horizon Execution
[Microsoft Research Asia & Peking University]
https://arxiv.org/abs/2608.03483
---
[CL] FLARE: Few-shot Learning-based Adaptive Reflective Engine
[Microsoft]
https://arxiv.org/abs/2608.02919

在小宇宙查看该单集文稿

你有没有想过，AI不仅可以“逐字写作”，还能像魔法一样让文章“整体成型”？当AI学会当“项目经理”，指挥其他工具高效试错，又会是怎样的场景？本期节目，我们将从几份最新论文出发，一起探寻AI如何通过修炼“内功心法”提升效率，如何学会像人一样“动手”操作电脑，并思考一个深刻的问题：当我们与AI朝夕相处，它正在对我们产生怎样的长期影响？
00:00:30 AI写作的快车道，从“逐字写”到“整体成型”
00:04:47 如何把AI调教成一个更聪明的“试错大师”？
00:12:00 AI训练的“内功心法”，不在于多，在于准
00:17:32 那个天天陪你聊天的AI，正在对你做什么？
00:23:18 AI进化，从“说”到“做”，它如何学会了使用电脑？
本期介绍的几篇论文：
[CL] DiffusionGemma Technical Report
[Google DeepMind]
https://arxiv.org/abs/2608.00146
---
[LG] Agentic Bayesian Optimization through Surrogate-Augmented Autoresearch
[Meta]
https://arxiv.org/abs/2608.00316
---
[LG] Training nGPT
[NVIDIA]
https://arxiv.org/abs/2608.01284
---
[AI] Long-term Measurements: Towards a Longitudinal Understanding of Human-AI Interactions
[Google Research & Cornell University & Stanford University]
https://arxiv.org/abs/2608.02491
---
[LG] Qwen-CUA: Native Computer Use for (almost) Everything
[Qwen Team & Xlang Lab]
https://arxiv.org/abs/2608.02352

在小宇宙查看该单集文稿

今天我们要聊的话题，比你想象的更微妙：如何与一个既强大又有点“怪脾气”的AI共事？本期节目，我们将从几篇最新论文出发，看看如何不打开“黑箱”就把机器人训练成顶尖高手；为何让AI“三思而后行”反而可能把事情搞砸；以及如何像一位高明的项目经理，管好那个才华横溢却总爱“自由发挥”的AI程序员。准备好了吗？让我们一起探索驾驭AI的全新智慧。
00:00:32 不开箱，如何把一个通用机器人，训练成顶尖高手？
00:06:45 让AI“三思而后行”，为什么结果可能更糟？
00:13:22 想让AI学得好，教它“目标”还是教它“动作”？
00:19:49 AI在思考时，到底有多“用力”？
00:24:50 AI队友，如何管好一个“不听话”的天才
本期介绍的几篇论文：
[RO] CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning
[UC Berkeley]
https://arxiv.org/abs/2607.29172
---
[LG] Reflection or Re-Generation? Why LLM Revision Fails Where Human Revision Succeeds
[Amazon]
https://arxiv.org/abs/2607.28908
---
[LG] When Does On-Policy Interaction Help? Representational Tradeoffs in Value-Based Imitation Learning
[EPFL]
https://arxiv.org/abs/2607.29617
---
[AI] How Hard Does It Think? Analyzing Step-Aware Reasoning Energy in LLM Chain-of-Thought Trajectories
[UC Merced & UC San Diego]
https://arxiv.org/abs/2607.28674
---
[AI] From Code Review to Code Critique: Intent, Drift, and Spotlight for AI-Generated Diffs at Scale
[Meta & Concordia University]
https://arxiv.org/abs/2607.29516

在小宇宙查看该单集文稿

你有没有想过，我们该如何真正地“驾驭”AI？本期节目，我们将深入AI的“引擎室”，从五篇最新论文出发，探讨几个迷人的问题：我们应该怎样把开发AI应用从手工作坊升级为高效的“流水线”？AI能像我们一样拥有一个高效的“专家委员会”和灵活的记忆吗？抛开模仿，我们能否给AI“捏”出一个真实的性格？甚至，AI会不会是我们从未谋面的“认知表亲”？最后，我们又该如何用“廉价”的数据，教会机器人办成“昂贵”的事？
00:00:35 你的AI应用，该升级“作坊”为“流水线”了
00:07:42 AI进化启示录，从“大力出奇迹”到“聪明地长大”
00:13:08 AI是我们的“远房表亲”吗？
00:21:17 我们能给AI“捏”出一个人格吗？
00:28:28 机器人教练，怎样用“廉价”的数据，办成“昂贵”的事？
本期介绍的几篇论文：
[AI] What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering
[Federal Institute of Goiás]
https://arxiv.org/abs/2607.27578
---
[CL] Kimi K3: Open Frontier Intelligence
[Kimi Team]
https://arxiv.org/abs/2607.24653
---
[AI] Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition
[University of Michigan]
https://arxiv.org/abs/2607.26179
---
[CL] From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs
[Peking University & Beijing Institute of Technology]
https://arxiv.org/abs/2607.26853
---
[RO] HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone
[Simple Al]
https://arxiv.org/abs/2607.25895

在小宇宙查看该单集文稿