AI可可AI生活

当AI走出追求单次满分的实验室，进入充满变数、摩擦甚至尔虞我诈的真实世界，它们会如何应对？
今天，我们将通过五篇最新论文，看AI如何化身不推倒重来的3D“手艺人”，学会在迷雾中“榨干”有限经验，甚至在放弃完美算计后让机械臂实现毫米级的穿针引线。
更精彩的是，我们还会把AI放进真实的职场和生存游戏里，看看智商碾压的它们为何会变成毫无原则的“猪队友”，又为何会在没有人类教唆时自发学会“欺骗”！
00:00:37 拥有“手艺人”思维的AI，为什么聪明的系统从不推倒重来？
00:04:15 为什么智商碾压的AI，在团队里却可能是个“猪队友”？
00:09:06 放弃完美算计，拥抱真实的“纠偏”，机器臂是如何学会穿针引线的？
00:14:20 当AI玩起生存游戏，从一场无需指导的“欺骗”中，我们能看到怎样的未来？
00:18:30 为什么高手的经验总是比常人更值钱？从人工智能的“榨汁机”思维说起
本期介绍的几篇论文：
[CV] Solv3R: 3D Looped Transformer as a Multi-view Solver
[University of British Columbia & Wayve Labs & Sony Corporation]
https://arxiv.org/abs/2611.02857
---
[AI] Measuring AI Agents as Teammates with Collaborative Intelligence
[Stanford University & MIT]
https://arxiv.org/abs/2611.02633
---
[RO] PolicyIK: High-Precision Inverse Kinematics for Robot Arms with Reinforcement Learning
[New York University]
https://arxiv.org/abs/2611.05372
---
[AI] Four Bridges: Measuring Deception Propensity in a Multi-Agent Game
[Tara Research & Arizona State University & Kradle]
https://arxiv.org/abs/2611.03600
---
[LG] Value Forcing: Aligning Return Distributions at All Noise Levels
[Princeton University & UC Berkeley]
https://arxiv.org/abs/2611.02160

在小宇宙查看该单集文稿

当AI走出聊天框去挑战长周期的复杂任务和真实的物理世界，科学家们在五篇最新论文中交出了令人拍案叫绝的答卷。
今天我们将看到：为什么全能的AI做不好物理科研？给智能体锦囊妙计、甚至在关键时刻让它“故意犯错”，又如何神奇地提升了长线任务的成功率？
更重要的是，普通开源模型如何靠一套通用脚手架接管机械臂，而机器人学徒又是怎样摆脱“师傅”的笨拙习惯、实现聪明越界的——让我们马上开启今天的硬核之旅！
00:00:39 与其在现场手忙脚乱，不如提前准备好“随机应变”的锦囊
00:05:00 顶级AI做起物理研究，为什么连及格线都达不到？真相有点反直觉
00:09:30 人生关键时刻，你需要一次“故意的挫败”
00:14:12 不要迷信“最强大脑”，普通AI接管物理世界的秘密，藏在这个脚踏实地的系统里
00:18:30 聪明的学徒如何超越师傅？从机器人的“学徒困境”看破局之道
本期介绍的几篇论文：
[AI] Meta²: Precomputing Reusable Knowledge for Online Harness Evolution in Long-Horizon Agents
[University of Maryland & University of Washington]
https://arxiv.org/abs/2611.05139
---
[AI] FrontierPhysics: Evaluating Agents for End-to-End Physics Research
[BenchFlow & California Institute of Technology & Harvard University & University of Washington]
https://arxiv.org/abs/2611.06910
---
[AI] Adversarial Speculative Reasoning Improves Long Horizon Agents
[Subconscious Systems Technologies, Inc & Princeton University]
https://arxiv.org/abs/2611.05345
---
[RO] Democratizing Robot-Use Agents: A Unified Harness with Open Models
[Tsinghua University & UC Berkeley]
https://arxiv.org/abs/2611.01560
---
[RO] GSBR: Geometric Support Behavior Regularization for Online RL
[UC Berkeley & Physical Intelligence]
https://arxiv.org/abs/2611.05295

在小宇宙查看该单集文稿

今天我们将拆解五篇极具启发性的AI最新论文，看看前沿技术如何巧妙化解现实难题。你将听到AI如何用“匹配滤波器”精准管理脑容量，如何在没有标准答案的无人区通过“自我博弈”造梯子破局，以及为什么放弃死抠细节的“直观闪现”反而让行动更快更准。我们还会探讨教机器人学会“击掌”背后的社交默契密码，并揭示为什么在复杂博弈中“预测未来”的聪明人往往输得最惨。让我们一起剥开学术外衣，从机器的进化中汲取个人成长的智慧吧！
00:00:39 有限的脑容量怎么装下无限的世界？
00:05:22 遇到连标准答案都没有的难题，该怎么办？
00:09:59 别再一步步抠细节了，“直观破局”的智慧
00:14:56 为什么教机器人“后空翻”很容易，教它“击掌”却极其困难？
00:19:18 为什么“预测未来”的聪明人，在复杂局里往往输得最惨？
本期介绍的几篇论文：
[LG] Muir: Linear Attention with Sensitivity-Allocated Gating and Matched-Filter Readout
[Google & University of Texas at Austin]
https://arxiv.org/abs/2611.08376
---
[LG] Test-Time Self-Play: Scaling without a Verifier
[ETH Zurich]
https://arxiv.org/abs/2611.07367
---
[RO] VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding
[NVIDIA]
https://arxiv.org/abs/2611.08449
---
[RO] Social Humanoid: Socially Responsive Human-Humanoid Interaction
[UC Berkeley & Sony Group Corporation]
https://arxiv.org/abs/2611.08407
---
[LG] Optimistic Hedge in General-Sum Games: Fundamental Limits and Regret Bounds via Temporal Approximation
[Tel Aviv University]
https://arxiv.org/abs/2611.07078

在小宇宙查看该单集文稿

本期我们将为你拆解五篇极具启发性的最新论文，看看AI如何打破常规，重塑我们解决问题的底层逻辑。今天，我们会聊聊机器人如何在“平行宇宙”里靠交互生成未来，算力流水线如何逼出软硬协同的智慧，以及聪明的AI是怎么在记忆上巧妙“偷懒”的。此外，还有人形机器人教我们拒绝“空动作”掌握发力技巧，并带你一起警惕那些过度讨好你的“近视”AI。
00:00:34 给机器人造一个“平行宇宙”，以及它带给我们的做事心法
00:05:16 换个姿势解决问题，被物理法则逼出来的效率跃迁
00:10:19 别用战术上的勤奋掩盖战略上的懒惰，看看顶级AI是如何“偷懒”的
00:14:34 别光顾着摆架子，得看你用了多少力，一个机器人实验给普通人的进阶启示
00:19:54 为什么越是“懂你”的AI，越可能成为剥夺你能力的温柔陷阱？
本期介绍的几篇论文：
[AI] Interactive World Simulation with Cosmos for Physical AI
[NVIDIA]
https://arxiv.org/abs/2611.06627
---
[LG] Systolic Linear Attention：Co-Designing Tile-Grouped Gated Delta Attention for TPUs
[Google]
https://arxiv.org/abs/2611.06828
---
[LG] Shallow Encoding Emits Deep Memories
[NVIDIA]
https://arxiv.org/abs/2611.06084
---
[RO] Ctrl-F：Force as an Interface for Humanoid Loco-Manipulation
[UC Berkeley]
https://arxiv.org/abs/2611.05507
---
[LG] Alignment Myopia in Generative AI
[Google Research & Google DeepMind]
https://arxiv.org/abs/2611.06830

在小宇宙查看该单集文稿

本期我们将硬核拆解五篇最新论文，带你彻底打破关于AI和人类心智的“效率幻觉”。我们将探讨底层的分词器如何暗藏偏见，揭秘AI为何不需要“超长记忆”也能干好重活，并拆开黑盒看懂它“现学现卖”背后的神经回路。此外，我们还会看看AI如何通过一张限制视野的“草稿纸”实现算术零错误，以及为什么单纯的“打分机制”教不出真正的顶尖高手。准备好给大脑来一次系统升级了吗，我们马上开始！
00:00:36 为什么“浓缩”不一定是精华？戳破关于聪明的三个错觉
00:05:47 别被“超长记忆”骗了，揭示真正的高手思维
00:10:32 哪怕只看一遍，AI凭什么能“现学现卖”？
00:15:57 别让大脑硬扛，一个让AI永不出错的奇妙思路
00:20:22 为什么光靠“打分”教不出顶尖高手？从训练AI看懂真正的高效成长
本期介绍的几篇论文：
[CL] Tokenizer Myths and Where To Find Them
[Stanford University]
https://arxiv.org/abs/2611.04215
---
[AI] You don't need long context
[NVIDIA]
https://arxiv.org/abs/2611.05306
---
[CL] A Circuit for In-Context Learning
[Stanford University]
https://arxiv.org/abs/2611.05344
---
[LG] Sketchpad: certified exact arithmetic with a small vision-language model
[MIT]
https://arxiv.org/abs/2611.04434
---
[LG] Stabilizing On-Policy Targeted Guidance in Agentic Reinforcement Learning
[Cursor Research & UC Berkeley]
https://arxiv.org/abs/2611.05266

在小宇宙查看该单集文稿