AI可可AI生活

AI画画写代码，怎样才能告别蛮力，像高手一样把力气用在刀刃上，又像学徒一样得到名师指点，快速开窍呢？它的学习过程到底是充满“顿悟”的跳跃，还是一分耕耘一分收获的苦功？更进一步，当规则完全未知时，AI能像我们玩密室逃脱一样，自己摸索出世界的法则吗？本期节目，我们就从四篇最新论文出发，一起探寻AI从“聪明”走向“智慧”的秘密。
00:00:31 生成AI的“节拍器”，如何把算力用在刀刃上？
00:06:13 AI当码农，如何从“笨徒弟”进化成“老师傅”？
00:12:35 AI学习的秘密，顿悟与苦功，本来就是一回事
00:19:14 AI的下一个考场，在规则未知的世界里摸索
00:24:27 AI养娃，要从胎教开始
本期介绍的几篇论文：
[LG] The data geometry of masking diffusion: Certified-optimal schedules via unmasking growth complexity
[M J. Wainwright, MIT]
https://arxiv.org/abs/2608.13520
---
[LG] CAKE: Compiler-Agent Co-Design for Frontier Kernel Evolution
[Z Ye, Y Huang, H Jin, B Hou… (NVIDIA & CMU)]
https://arxiv.org/abs/2608.12629
---
[LG] Neural Quadratic Forms: A Unified Minimal Model for Sudden Learning and Scaling Laws
[L Ziyin, Y Xu, T Poggio, I Chuang (MIT & EPFL)]
https://arxiv.org/abs/2608.13335
---
[LG] DiG-bench: Discovery in Games
[R M. Battleday, K Sandbrink, J Cullen-Drohan, Z Yan… (Thinking About Thinking)]
https://arxiv.org/abs/2608.12593
---
[LG] Synthetic Persona Pretraining: Alignment from Token Zero
[J Minder, V Moskvoretskii, R Singhal, D Jiao,… (EPFL)]
https://arxiv.org/abs/2608.13482

在小宇宙查看该单集文稿

你有没有想过，让人工智能变聪明的秘诀，可能不是“更多”，而是“更巧”？本期我们要聊的几篇最新论文，就充满了这种“反常识”的智慧：从把效率从细节里“省”出来，到警惕信息太丰富反而让AI“变笨”的悖论。我们还会看到，一个“完美”的陪练为何会带出最差的学生，以及如何通过精心呵护AI的“童年”，来预测它未来的潜力。准备好，让我们一起在这些看似矛盾的发现中，窥见AI的未来。
00:00:32 省出来的效率，才是真本事
00:07:29 AI的“富贵病”，为什么信息越多，它反而越“笨”？
00:11:44 你的AI陪练，正在让你变傻
00:17:46 人工智能的“童年”里，藏着未来的密码
00:22:55 AI瘦身术，从“一刀切”到“看人下菜”的智慧
本期介绍的几篇论文：
[LG] Dion3: Full-Stack Orthogonal Updates
[New York University & Princeton University & NVIDIA]
https://arxiv.org/abs/2608.11612
---
[CL] Information Abundance Paradox: Long-Context Training Undermines Parametric Knowledge
[Johns Hopkins University]
https://arxiv.org/abs/2608.12218
---
[CL] One Frozen Simulator Is Not Enough: Simulator Collapse in Multi-Agent RL
[Northeastern University & New York University & UC Berkeley]
https://arxiv.org/abs/2608.12253
---
[LG] Small-Scale Experiments: Are We There Yet?
[FAIR at MSL Meta & New York University]
https://arxiv.org/abs/2608.11859
---
[LG] SoftWater: Class-Aware Rate Allocation for Softmax Quantization
[MIT]
https://arxiv.org/abs/2608.12026

在小宇宙查看该单集文稿

你有没有想过，我们每天都在用的AI，在那些看不见的地方，正在发生什么？本期我们将通过几篇最新论文，一起去看看AI华丽大厦地基下的“裂缝”，潜入它用于思考的“秘密厨房”。我们还会探讨如何为它装上一个检测内心矛盾的“逻辑测谎仪”，并警惕我们是怎样在不经意间，把复杂的“人类价值观”简化成了一道危险的选择题。
00:00:30 AI大模型，那些藏在基座里的“裂缝”
00:05:30 你的AI在说谎吗？我们迎来了一个“逻辑测谎仪”
00:11:39 AI的“心口不一”，它在哪以及为什么在那思考？
00:16:43 AI的价值观，正在被简化成一道选择题
00:21:45 让机器人拥有“故事感”的记忆
本期介绍的几篇论文：
[CL] Cracks in the Foundation: Seemingly Minor Architectural Choices Impact Long Context Extension
[Ai2 & CMU]
https://arxiv.org/abs/2608.10296
---
[AI] How to Verify Consistency of Probabilistic Claims
[EPFL & Université de Montréal]
https://arxiv.org/abs/2608.11181
---
[CL] Off-Axis, On Purpose: Where a Transformer Computes Concepts and Why it Does So
[University of Washington]
https://arxiv.org/abs/2608.10251
---
[AI] Toward a Theory of Value in AI Alignment
[Google Research & UCLA & Google DeepMind]
https://arxiv.org/abs/2608.10327
---
[CV] GESTO: Human-Centric Spatio-Temporal Memory for Reasoning in Dynamic Scenes
[KTH Royal Institute of Technology & University of Stuttgart]
https://arxiv.org/abs/2608.10886

在小宇宙查看该单集文稿

今天，我们来聊聊如何让AI不再只靠“大力出奇迹”，而是学会更聪明地工作。我们会看到，AI如何学会“继承”自己的思考，不再用后即焚；又如何像个聪明的导演，把算力“增援”到最关键的地方。我们还会发现，机器人如何掌握了快慢有度的“节奏感”，以及一个好的系统为何要懂得“聪明的懒惰”。这几篇最新论文，将带我们一窥AI从“野蛮生长”到“精耕细作”的进化之路。
00:00:32 让AI告别“用后即焚”的思考模式
00:05:29 AI解题新思路，如何把一份算力，掰成八瓣花？
00:10:45 机器人也懂的“快慢之道”
00:15:42 成大事者，为什么都懂得“懒惰”的艺术？
00:21:29 给AI一盒乐高，让它自己搭出新世界
本期介绍的几篇论文：
[AI] Full-bandwidth transformer
[Johns Hopkins University & Princeton University & Microsoft]
https://arxiv.org/abs/2608.08888
---
[AI] Thought-Level Beam Search for Reasoning
[Princeton University & MIT & Meta AI]
https://arxiv.org/abs/2608.08020
---
[RO] SpeedTuning: Speeding Up Policy Execution with Lightweight Reinforcement Learning
[Stanford University]
https://arxiv.org/abs/2608.09138
---
[LG] Beyond Binary: Continuous State Optimization with Graph-Structured Objectives
[Google Research & Tel Aviv University]
https://arxiv.org/abs/2608.09366
---
[LG] Idea Search: Guiding Tree Search with Ideas to Explore Diverse Scientific Methods
[California Institute of Technology & Google Research]
https://arxiv.org/abs/2608.08958

在小宇宙查看该单集文稿

今天我们来聊聊如何把聪明的AI，变成一个真正可靠的专家。我们会看到，AI要像医生一样去“实习”才能成长，而训练它需要一张全新的“地图”。我们还将揭开手机AI突然“变笨”的秘密，并告诉你一个简单方法，让AI裁判不再“偷懒”。这几篇最新论文，将刷新你对AI如何学习和工作的认知。
00:00:27 AI医生实习记，高手是怎么炼成的？
00:05:15 大模型训练，高手手里的那张新地图
00:11:00 你的手机AI，为什么会突然变笨？
00:17:12 AI裁判也会“偷懒”？一个简单的办法让它更靠谱
00:22:18 大模型瘦身指南，你以为的“闲职”，其实是“关键先生”
本期介绍的几篇论文：
[AI] ResidencyRL: Reinforcement Learning in Simulated Clinical Environments
[Google DeepMind]
https://arxiv.org/abs/2608.07418
---
[CL] Skaling: Chinchilla's Exponents Meet Kaplan's Coupling
[FAIR at Meta]
https://arxiv.org/abs/2608.07222
---
[LG] Quantization Damage Is Multiplicative, Not Additive
[Holistic AI]
https://arxiv.org/abs/2608.06564
---
[LG] Sharding Prevents LLM Oversight Failures and Adversarial Exploitation
[CMU]
https://arxiv.org/abs/2608.06422
---
[LG] The Sparsity Whisperer
[MIT]
https://arxiv.org/abs/2608.06630

在小宇宙查看该单集文稿