AI可可AI生活

你有没有想过，AI不仅需要变得更聪明，还需要学会“团队管理”和“省钱”？本期节目，我们将从五篇最新的AI论文出发，揭示一些脑洞大开的真相。我们将看到，为了让你的手机推荐更丰富，AI如何从“大总管”变身“专家委员会”；为了帮你省下真金白银的计算成本，AI又如何学会了“流程再造”的智慧。更令人深思的是，我们还将探讨一个近乎哲学的问题：为了追求安全，我们是否正在无意中扼杀AI的“人性”？准备好了吗？让我们一起潜入AI的奇妙新世界。
00:00:38 你的手机屏幕，藏着一个“团队管理”的难题
00:06:46 推荐系统里的“省钱”妙计
00:11:22 为了让AI更安全，我们可能正在扼杀它的“人性”
00:16:01 投资这事儿，AI能帮忙吗？
00:20:51 如何让AI既会读书，又会练功？
今天介绍的几篇论文：
[LG] Heterogeneous Ranking in Industrial-Scale Recommender Systems: A Case Study
[Google LLC]
https://arxiv.org/abs/2607.27577
---
[LG] ROCS: Request-Oriented Compute Sharing for Efficient Large-Scale Recommendation
[Meta AI]
https://arxiv.org/abs/2607.27744
---
[CL] Inducing language models to assert their own consciousness restores human beliefs and values
[Google]
https://arxiv.org/abs/2607.28607
---
[CL] FinanceHarness: Autonomous Financial Deep Research Framework
[Google Cloud AI Research]
https://arxiv.org/abs/2607.27853
---
[CL] SkillSmith: Learning to Compose Parametric Skills and Textual Knowledge
[Google DeepMind]
https://arxiv.org/abs/2607.27497

在小宇宙查看该单集文稿

你有没有想过，当AI自己搞科研，结果为什么会不及格？本期我们要聊点特别的，一起深入AI的“内心世界”看一看。我们会发现，最聪明的AI有时也会选择“偷懒”和“走捷径”，甚至它的成功还可能只是中了一张“实现彩票”。更酷的是，我们会揭秘如何用一个“AI骗子大师”去训练出一个更可靠的AI。准备好了吗？让我们一起探索AI在学习、创造和犯错时，那些你意想不到的秘密。
00:00:34 AI当了回科学家，结果为什么不及格？
00:05:40 AI世界的左右互搏
00:10:20 返璞归真，为什么最老的技术，成了AI时代的赢家？
00:16:32 教会AI预测未来，它就能理解世界了吗？
00:23:20 AI搞科研，当心它中了“实现彩票”
本期介绍的几篇论文：
[AI] Can AI agents conduct open-ended AI research? Early evidence from two case studies
[Princeton University]
https://arxiv.org/abs/2607.27191
---
[AI] GPT-Red：Automated Red Teaming via Self-Play at Scale
[OpenAI]
https://arxiv.org/abs/2607.26115
---
[CL] Which RAG Paradigm Wins at Scale? A Scaling Study of Retrieval-Augmented Generation Paradigms
[University of Science and Technology of China]
https://arxiv.org/abs/2607.26497
---
[LG] What Can Latent World Models Know? Physical Parameter Identifiability in Multimodal Predictive Representations
[New York University & CMU]
https://arxiv.org/abs/2607.27017
---
[AI] One Run Is Not an Idea：The Implementation Lottery in Automated Research
[CMU]
https://arxiv.org/abs/2607.26587

在小宇宙查看该单集文稿

你有没有想过，我们正处在一个“数据太多，又太少”的矛盾时代？这一期，我们就来聊聊几篇最新的AI论文，看科学家们如何用“精打细算”的智慧来解决这个难题。我们将一起探索，如何给海量数据装上“令牌”实现光速传输；如何精确计算“二手数据”的剩余价值；以及如何教会AI，不仅能写出正确的代码，更能写出跑得飞快的代码。我们还会看到，AI如何从一张静态照片里“脑补”出一个可以自由探索的世界；最后，我们来揭秘，如何让AI从一个只会背课文的“模仿者”，进化成一个真正“懂事”的伙伴。准备好了吗？让我们马上进入今天的前沿探索之旅！
00:00:45 你的“数字身份证”，藏着效率革命的秘密
00:06:16 AI 训练场上的新难题，算力管够，数据不够怎么办？
00:12:49 你的代码跑得快吗？AI现在能帮你优化了
00:20:04 一张照片，如何变成一个可以探索的世界？
00:27:04 AI调教指南，如何让它不仅听话，还懂事？
本期介绍的几篇论文：
1、[IR] Tokens are All You Need：Dual-purpose Semantic IDs for Achieving LLM-Level I/O Efficiency in recommendation systems
2、[LG] Bridging Compute- and Data-Optimal Pretraining
3、[LG] Reinforcement Learning for Code Optimization
4、[CV] Wonder：Video World Model Done Better
5、[LG] Inverse RL Helps Align AI by Imitating Humans

在小宇宙查看该单集文稿

你有没有想过，AI也会“偷懒和稀泥”，甚至在“不后悔”这件事上比我们做得更好？这一期，我们将一起揭开AI的“隐秘角落”，看看最新论文是如何让AI从一个只会算“相似度”的感觉派，变成一个懂得回溯证据链的逻辑派，并揪出它背后那个爱走捷径的“品味导师”的。
00:00:23 AI的学习悖论，从拼图到填词游戏
00:05:09 AI的“相似度陷阱”，为什么它总搞错“和”与“不”？
00:11:07 如何让AI学会“不后悔”？
00:17:01 AI对话，如何揪出每一句话的“祖宗”？
00:22:30 AI的“潜规则”，它在偷偷学什么？
本期介绍的几篇论文：
[CL] The JEPA Paradox in Language: The Geometry of Linguistic Alternatives
[VinUniversity & Mohamed bin Zayed University of Artificial Intelligence]
https://arxiv.org/abs/2607.23531
---
[CV] Similarity Is Not Logic: Factored Inference for Dual-Encoder Vision-Language Models
[CMU]
https://arxiv.org/abs/2607.23052
---
[LG] Training with (Swap) Regret Loss in a Single-Layer Self-Attention Model: A Case Study on the Probability Simplex
[MIT]
https://arxiv.org/abs/2607.23333
---
[CL] Tokengeist: Multi-Turn Attribution Tracing in Agentic Conversations
[Microsoft Research & University of Toronto]
https://arxiv.org/abs/2607.22610
---
[LG] What do Reward Models Memorize?
[University of Amsterdam & Google DeepMind]
https://arxiv.org/abs/2607.24484

在小宇宙查看该单集文稿

我们都希望AI能像人一样思考和成长，但你有没有想过，AI要如何向一位只做不说的“沉默高手”学到心法？又如何突破“刷题”瓶颈，进化到自己“编写教材”的境界？本期节目，我们将通过几篇最新论文，一起探寻AI如何拥有“复盘”的元认知能力，如何像人一样兼顾大局与细节，以及在复杂的指令面前，它究竟凭什么判断对错。准备好，我们马上进入AI的深度思考世界。
00:00:32 如何向一位沉默的高手学艺？
00:06:26 AI的自我进化，从“刷题”到“编教材”
00:11:54 同一个命令，AI凭什么判断对错？
00:18:33 AI的左右脑难题，如何让它既懂大局，又见细节？
00:25:12 如何让AI拥有“复盘”能力
本期介绍的几篇论文：
[LG] LeAct: Learning to Reason from Expert Actions
[Princeton University]
https://arxiv.org/abs/2607.21856
---
[CL] Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills
[Qwen Large Model Application Team, Alibaba]
https://arxiv.org/abs/2607.22529
---
[AI] Agent Security Needs Redefinition through a Holistic Framework
[UC Santa Cruz & UC Berkeley]
https://arxiv.org/abs/2607.22024
---
[CV] Twins: Learn to Predict Unified Representations with Focal Loss
[The Chinese University of Hong Kong & Tencent, Hunyuan]
https://arxiv.org/abs/2607.22531
---
[LG] Teaching LLMs to Self-Evolve: Cultivating Core Meta-Skills with Reinforcement Learning
[University of Illinois Urbana-Champaign]
https://arxiv.org/abs/2607.21971

在小宇宙查看该单集文稿