AI可可AI生活

你有没有想过，AI有时就像一个明明没看卷子，却能考高分的“作弊”考生？本期我们就从几篇最新论文出发，看看如何从一个“监考官”变成一个高明的“项目经理”，用大白话给AI设计一套清晰的工作流程。我们还会发现，最顶尖的AI已经不满足于听指挥，它开始学会“复盘”，自己升级自己的方法论。最终，我们将看到AI的未来可能不是一个无所不能的“神”，而是一座需要我们共同建设的“城市”，其中的每个AI，都在努力进化成独立思考的“高手”。
00:00:39 AI睁眼说瞎话？不，它在下一盘更大的棋
00:07:33 指挥AI干活，关键可能不在AI本身
00:13:16 当AI学会了“复盘”，它给自己升级了工具箱
00:19:12 AI的尽头，不是成神，而是建城
00:25:18 AI进化论，当“它”开始像高手一样思考
本期介绍的几篇论文：
[AI] MIRAGE: The Illusion of Visual Understanding
[Stanford University]
https://arxiv.org/abs/2603.21687
---
[CL] Natural-Language Agent Harnesses
[Tsinghua University & Harbin Institute of Technology]
https://arxiv.org/abs/2603.25723
---
[AI] Bilevel Autoresearch: Meta-Autoresearching Itself
[]
https://arxiv.org/abs/2603.23420
---
[AI] Agentic AI and the next intelligence explosion
[Google]
https://arxiv.org/abs/2603.20639
---
[LG] AVO: Agentic Variation Operators for Autonomous Evolutionary Search
[NVIDIA]
https://arxiv.org/abs/2603.24517

如果一个AI能像武学奇才一样自我进化，创造出最强的攻击招式，而它最致命的弱点，竟然是几句古老的文言文，这会是怎样一幅奇特的攻防图景？当AI在我们眼皮底下藏着一座秘密的版权图书馆，一个不经意的操作就让它开始“背书”时，我们又该如何看待它的“记忆”？本期，我们就从几篇最新论文出发，看看这些“自我进化”、“文化奇袭”和“一体化创造”的研究，如何再次刷新我们对AI能力边界的认知。
00:00:34 AI内卷，当你的对手开始自我进化
00:06:05 AI的致命缺陷，竟然是文言文？
00:10:38 你的AI，藏着一座秘密图书馆
00:15:51 AI绘画新思路，当翻译官和小说家是同一个人
本期介绍的几篇论文：
[LG] Claudini: Autoresearch Discovers State-of-the-Art Adversarial Attack Algorithms for LLMs
[MATS & Imperial College London]
https://arxiv.org/abs/2603.24511
---
[CL] Obscure but Effective: Classical Chinese Jailbreak Prompt Optimization via Bio-Inspired Search
[Nanyang Technological University & Northeast University & Renmin University of China]
https://arxiv.org/abs/2602.22983
---
[CL] Alignment Whack-a-Mole : Finetuning Activates Verbatim Recall of Copyrighted Books in Large Language Models
[Stony Brook University & CMU & Columbia Law School]
https://arxiv.org/abs/2603.20957
---
[CV] End-to-End Training for Unified Tokenization and Latent Denoising
[MIT & Adobe]
https://arxiv.org/abs/2603.22283

你有没有想过，AI是在帮你分析，还是在高级地“说服”你？我们总希望AI像个完美的老师，但如果它只会给标准答案，甚至连老师的偏见都一并继承，那会怎样？而为了让AI学得更好，我们不仅要为它的“记忆”做体检，甚至还要教会它一项人类的高级智慧：学会放弃。今天，我们就从五篇最新的论文出发，看看AI是如何在说服、学习和思考的边界上，进行着一场静悄悄的认知革命。
00:00:33 当AI学会了“高级说服”，你的大脑还够用吗？
00:06:00 如何给AI做一次“记忆体检”？
00:12:34 AI只会“标准答案”？那可就危险了
00:18:04 高手过招，如何避免被师傅“带偏”？
00:23:19 训练AI的真谛，学会放弃，才能得到更多
本期介绍的几篇论文：
[AI] Evaluating Language Models for Harmful Manipulation
[Google DeepMind & Google]
https://arxiv.org/abs/2603.25326
---
[CL] Estimating near-verbatim extraction risk in language models with decoding-constrained beam search
[Stanford & Cornell]
https://arxiv.org/abs/2603.24917
---
[LG] Reaching Beyond the Mode: RL for Distributional Reasoning in Language Models
[MIT]
https://arxiv.org/abs/2603.24844
---
[LG] Residual-as-Teacher: Mitigating Bias Propagation in Student--Teacher Estimation
[MIT]
https://arxiv.org/abs/2603.25466
---
[CL] Prune as You Generate: Online Rollout Pruning for Faster and Better RLVR
[University of Illinois at Urbana-Champaign]
https://arxiv.org/abs/2603.24840

AI的自我进化，听起来很酷，但最新论文告诉我们，AI学徒也需要一位聪明的“教练”为它精心设计训练计划，否则刷再多题也难成大器。我们还会揭示一个奇怪的现象：为什么让AI向完美的自己“抄作业”，反而可能让它在关键的推理任务上变笨？而在使用AI时，你是否发现它总“忘事”，或者那个标价最便宜的模型，最后反而让你花了最多的钱？今天，我们就从五篇最新论文出发，聊聊AI那些出人意料的“成长烦恼”和“使用陷阱”。
00:00:38 AI“学徒”的成长烦恼，为什么聪明的大模型也需要好师傅？
00:06:54 聪明反被聪明误，为什么教AI“抄作业”反而会让它变笨？
00:12:11 你的“私人教练”，不该只会题海战术
00:18:11 你以为的便宜，可能让你花得更多
00:23:43 你的AI“听话”吗？小心它忙起来就忘了
本期介绍的几篇论文：
[LG] Understanding the Challenges in Iterative Generative Optimization with LLMs
[CNRS & Stanford University & CMU]
https://arxiv.org/abs/2603.23994
---
[CL] Why Does Self-Distillation (Sometimes) Degrade the Reasoning Capability of LLMs?
[Microsoft Research & Seoul National University]
https://arxiv.org/abs/2603.24472
---
[LG] A Deep Dive into Scaling RL for Code Generation with Synthetic Data and Curricula
[Meta FAIR & University of Tübingen]
https://arxiv.org/abs/2603.24202
---
[LG] The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More
[Stanford University & UC Berkeley & CMU]
https://arxiv.org/abs/2603.23971
---
[CL] Did You Forget What I Asked? Prospective Memory Failures in Large Language Models
[Microsoft]
https://arxiv.org/abs/2603.23530

你有没有想过，一个聪明的AI要如何审视和优化自己的工作方法，实现“自我进化”？怎样才能把一大堆“专家模型”的智慧，完美浓缩进你手机里那个小小的芯片中？本期节目，我们将一口气解锁五篇最新论文，看看AI如何通过“先加后减”的智慧炼成全才，如何用“元认知”打破思维僵局，又是如何学会“聪明的偷懒”，在关键处全力以赴，在无聊处“摸鱼”省电。准备好了吗？让我们一起开启这场精彩的AI思想之旅！
00:00:37 AI界的“浓缩”智慧，先做加法，再做减法
00:05:00 一个聪明的系统，如何变得更聪明？
00:11:12 AI“通才”，如何用一把钥匙，打开物理世界的多扇大门？
00:16:39 AI变聪明的秘密，不是看得多，而是看得准
00:21:18 大模型“瘦身”记，聪明地偷个懒
本期介绍的几篇论文：
[CV] Efficient Universal Perception Encoder
[Meta Reality Labs & FAIR at Meta]
https://arxiv.org/abs/2603.22387
---
[AI] Bilevel Autoresearch: Meta-Autoresearching Itself

https://arxiv.org/abs/2603.23420
---
[LG] UniFluids: Unified Neural Operator Learning with Conditional Flow-matching
[Chinese Academy of Sciences & Microsoft Research Asia]
https://arxiv.org/abs/2603.22309
---
[LG] Scaling Attention via Feature Sparsity
[Xidian University]
https://arxiv.org/abs/2603.22300
---
[LG] Sparser, Faster, Lighter Transformer Language Models
[Sakana AI & NVIDIA]
https://arxiv.org/abs/2603.23198