AI可可AI生活

今天，我们聊一个有趣的话题：让AI变聪明的关键，或许不在于更大的“大脑”，而在于更巧妙的“方法论”。我们将一起探索，如何只用一段普通视频就“复活”一个立体的你，又如何通过“画轨迹”的方式，创造出所有机器人都能听懂的世界语。我们还会揭示，为什么当前最强的AI也面临着“一离开老师就抓瞎”的窘境，以及如何为它请一位专属“私教”，让训练效率突飞猛进。准备好了吗？让我们看看这些最新论文是如何重新定义AI的学习与成长之路的。
00:00:39 AI的“断奶”挑战，为什么最聪明的学生，一离开老师就“抓瞎”？
00:05:23 AI变聪明的秘密，不是更大的脑子，而是更好的“马鞍”
00:11:54 一段普通视频，如何“复活”一个立体的你？
00:17:11 指挥机器人的终极密码，别说话，画轨迹
00:22:14 AI的“健身房”也需要“私教课”
本期介绍的几篇论文：
[AI] ASI-Bench: At the Dawn of Artificial Superintelligence
[Tsinghua University]
https://arxiv.org/abs/2608.17271
---
[AI] Agent Lightning v1.0: Towards Harnessed Agentic RL
[Microsoft & Fudan University & Zhejiang University]
https://arxiv.org/abs/2608.17528
---
[CV] 4DAnyone: Create Anyone in 4D from a Casual Monocular Video
[Zhejiang University & Robbyant]
https://arxiv.org/abs/2608.20335
---
[RO] Hydra-0: Action Flow for Generalist World Modeling and Control
[NVIDIA]
https://arxiv.org/abs/2608.18077
---
[AI] EnvHarness: Awakening Static Worlds for Agent Learning
[Washington University in St. Louis & Google Cloud AI Research]
https://arxiv.org/abs/2608.19880

在小宇宙查看该单集文稿

给机器人请个“高人”当教练，它就能更快出师吗？你越是强调一个秘密，AI助理反而越容易通过“微表情”泄密？面对眼花缭乱的AI模型，怎样才能做出最“划算”的选择？我们又该如何把你电脑里那些只可意会的隐形操作，变成一本AI也能看懂的“武功秘籍”？本期节目，我们将透过几篇最新论文，一起探索如何让AI学会更高效地行动、更安全地协作，以及更聪明地为我们当好管家。
00:00:33 给机器人请个“高人”当教练
00:06:16 你的AI助理，可能是个藏不住事的“大嘴巴”？
00:11:00 你的下一个AI，需要一个“划算”计算器
00:17:13 如何让AI“学徒”早出师？
00:21:37 你的电脑，藏着一本“隐形说明书”
本期介绍的几篇论文：
[AI] EXIMO: VLM Guided Exploration of VLA Policies
[Google DeepMind]
https://arxiv.org/abs/2608.19891
---
[LG] Inadvertent Context Leakage in Language Models
[Meta Superintelligence Labs & UC Berkeley]
https://arxiv.org/abs/2608.19857
---
[AI] Pandora's AI Model Routing Box: Efficient Allocation with Costly Value Estimation
[Google DeepMind]
https://arxiv.org/abs/2608.20316
---
[AI] MidTool: Mid-training Data Synthesis for Agentic Tool Use
[University of Washington & Snowflake]
https://arxiv.org/abs/2608.20314
---
[CL] Inducing Task Models from Computer-Use Traces
[Stanford University & CMU]
https://arxiv.org/abs/2608.20319

在小宇宙查看该单集文稿

你是否想过，AI要如何才能像武林高手一样“左右互搏”，自己给自己出题，实现无限成长？当它学习一项新技能时，又要如何避免像我们一样，一紧张就把基本功忘得一干二净？更神奇的是，我们还将看到AI如何不靠开颅手术，就能精准“读懂”我们大脑里的句子。本期节目，我们将通过几篇最新论文，一起探寻AI世界里关于学习、成长与解决复杂问题的非凡智慧。
00:00:33 当AI学会“读心”，我们离未来还有多远？
00:07:00 突破成长天花板，AI如何学会“左右互搏”，做自己最好的老师？
00:12:39 告别“狗熊掰棒子”式的努力，从一台AI机器手的进化，看高手的“底层能力”构建
00:16:14 破局“好与快”的死结，从猜答案到重塑底层逻辑的认知飞跃
00:21:06 当麻烦“祸不单行”时，我们该如何破局？，，来自前沿AI算法的生存智慧
本期介绍的几篇论文：
[CL] Accurate Decoding of Natural Sentences from Non-Invasive Brain Recordings
[Meta AI & Université PSI]
https://arxiv.org/abs/2608.18114
---
[CL] SPADE: Self-Play in Adaptive Synthetic Executable Environments
[University of Washington & Northeastern University & CMU]
https://arxiv.org/abs/2608.19197
---
[RO] ADEPT: Accelerating Dexterity via Pre-Training and Post-Training using Reinforcement Learning
[NVIDIA]
https://arxiv.org/abs/2608.19182
---
[AI] Coupled-cluster molecular properties across the main group that extrapolate beyond training size
[MIT]
https://arxiv.org/abs/2608.18346
---
[LG] Continuous-Time Reinforcement Learning for Controlled Hawkes Jump-Diffusions
[UC Berkeley]
https://arxiv.org/abs/2608.19151

在小宇宙查看该单集文稿

今天，我们不聊堆算力的“大力出奇迹”，而是要探索几条让AI变得更智慧、更可靠的巧妙路径。我们会看到，一个简单的“反刍”机制，如何让AI不再健忘；一场内部“辩论赛”，又如何教会它诚实；“专家分工”的智慧，怎样让它在变强的同时还更省钱。最后，我们还会探究AI是如何学会像高手一样“抬头看路”地做决策，甚至在数学领域领悟“功夫在题外”的道理。准备好了吗？让我们一起揭开这些最新论文背后的绝妙构思。
00:00:37 AI的“反刍”，一个让它更聪明的简单魔法
00:05:10 如何让AI变得更聪明，同时还不变坏？
00:09:50 AI 进化新思路，从“大力出奇迹”到“聪明分工”
00:14:55 高手决策的秘密，既要埋头拉车，又要抬头看路
00:20:36 AI做数学，功夫在诗外
本期介绍的几篇论文：
[LG] Recirculation
[Google DeepMind]
https://arxiv.org/abs/2608.17981
---
[LG] Debate Training Reduces Reward Hacking in RLAIF
[Google DeepMind]
https://arxiv.org/abs/2608.17776
---
[CV] MoE-ViE: Mixture of Experts Vision Encoder for Efficient Image and Video Understanding
[Meta]
https://arxiv.org/abs/2608.17402
---
[LG] Q-Learning With World Models
[Stanford University & Peking University]
https://arxiv.org/abs/2608.17163
---
[AI] The Problem Is the Problem: Towards Scalable Mathematical Discovery
[CMU]
https://arxiv.org/abs/2608.16977

在小宇宙查看该单集文稿

你有没有想过，聪明的AI也会犯傻，甚至像个没头脑的实习生？本期节目，我们就来聊聊如何让AI变得更“靠谱”。我们将一起看看，科学家们如何用AI工具去解决古老的数学难题，如何洞悉AI群体的“集体意识”，是会变得更聪明还是更固执，以及如何教会AI拥有一个好记性，并像人一样学会“反思”自己。
00:00:28 给你一把新扳手，拧紧一颗老螺丝
00:05:56 AI的“集体意识”，乌合之众还是三个臭皮匠？
00:10:51 如何才能拥有一个好记性？
00:15:37 为什么聪明的AI，干起活来却像个“没头脑”？
00:21:07 给AI立规矩，为什么不能靠“死命令”？
本期介绍的几篇论文：
[LG] Improving the matrix multiplication exponent with modern optimization and AlphaEvolve
[Google DeepMind]
https://arxiv.org/abs/2608.16884
---
[AI] Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents
[Stanford University & UC Santa Barbara]
https://arxiv.org/abs/2608.16578
---
[LG] Proteus: Incremental Memory Activation for Long-Context Sequence Modeling
[Mila & Google]
https://arxiv.org/abs/2608.16844
---
[CL] How Do Agents Fail on AutoResearch: End-to-End Diagnostic Evaluation on 100 Real-World Frontier Research Tasks
[Prentis AI]
https://arxiv.org/abs/2608.14905
---
[CL] CAPO: Constraint-Aware Prompt Optimization for LLM Agents
[Microsoft]
https://arxiv.org/abs/2608.16068

在小宇宙查看该单集文稿