Skip to content
Radio Logo
PodcastsTechnologyAI可可AI生活

AI可可AI生活

fly51fly
Latest episode

1121 episodes

  • AI可可AI生活

    [人人能懂AI前沿] 从元认知、任务解耦到自主进化

    18/11/2026 | 22 mins.
    今天我们要拆解五篇极具启发性的最新论文,看看当AI学会给自己做“开颅手术”重写权重、砍掉繁琐解码器直接输出像素时,会爆发出怎样的潜能。我们还会聊聊为什么改个采样规则就能拯救AI的“胡言乱语”,极简记忆系统如何打破“记得”与“做到”的鸿沟,以及AI如何无师自通地给自己当老师。这不仅是一场前沿技术的探索,更是一份写给普通人的破局指南!
    00:00:34 当AI学会给自己做“开颅手术”,我看到了普通人破局的最短路径
    00:06:26 砍掉繁琐的“中间商”,直接交付结果,你往往能做得更好
    00:10:56 别急着推翻重来,从AI的“胡言乱语”里,看懂解决复杂问题的高手逻辑
    00:15:21 为什么给AI装上“超强记忆力”,它还是会把工作搞砸?
    00:18:59 放手才是最高级的指引,当人工智能开始给自己当老师
    本期介绍的几篇论文:
    [AI] Language Models Can Rewrite Their Own Weights
    [UIUC & CMU]
    https://arxiv.org/abs/2611.21885
    ---
    [CV] Decoding Without a Decoder: Direct Pixel Prediction from Diffusion Transformers
    [Stanford University]
    https://arxiv.org/abs/2611.22287
    ---
    [AI] Long-Context Generation Is a Sampling Problem (When You Turn Up the Heat)
    [Thoughtworks & Apart Research & New York University & Columbia University]
    https://arxiv.org/abs/2611.22148
    ---
    [AI] RAG in a Trenchcoat: When Minimal Memory Is Enough for Agentic Systems, and When It Isn't
    [University of Chicago & UC Berkeley]
    https://arxiv.org/abs/2611.22179
    ---
    [LG] Do LLM Agents Still Need to Be Told How to Self-Improve?
    [MIT CSAIL & University of Tübingen]
    https://arxiv.org/abs/2611.23219

    在小宇宙查看该单集文稿
  • AI可可AI生活

    [人人能懂AI前沿] 从横向晶格记忆、物理翻转测试,到AI的决断力与造物神话

    17/11/2026 | 30 mins.
    今天我们将为你拆解四篇极具启发性的最新论文,带你看透AI前沿的真实突破与技术泡沫。我们会探讨如何给大模型每一层配上“老员工”来打造高效的晶格网络,并用几毫米的“翻转测试”揭开视频模型不懂物理规律的“美术生”真面目。接着,我们将见证AI如何从喋喋不休的“闲聊机器”进化为干脆利落的决策大脑,最后一起戳破大模型拥有“读心术”和自动写AI的神话泡沫。准备好了吗,让我们开始今天的探索之旅!
    00:00:37 大楼盖得再高,不如给每层配个“老员工”
    00:07:27 画得再像,也不代表它懂规律,当AI遇到那决定命运的几毫米
    00:15:14 告别喋喋不休,从“闲聊机器”到“拍板大脑”的进化
    00:19:12 当大模型学会了“读心术”,戳破AI自动写AI的神话泡沫,我们能看到什么?
    00:24:44 资源见底时,如何榨干最后一滴价值?从AI大模型的一个新发明说起
    本期介绍的几篇论文:
    [LG] Latent Lattice Language Models
    [MIT & Adobe]
    https://arxiv.org/abs/2611.21608
    ---
    [CV] The Flip Test: Video World Models Fail to Learn the World State
    [Google DeepMind & UT Austin]
    https://arxiv.org/abs/2611.19822
    ---
    [CL] Decision 1.0: Towards Open Decision Foundation Models
    [vLLM Semantic Router Project]
    https://arxiv.org/abs/2611.18629
    ---
    [CL] Replicating and Extending Weight-Space Programming: Frontier LLMs Compile Programs into Weights and Read Input Layers
    [The Alan Turing Institute]
    https://arxiv.org/abs/2611.21449
    ---
    [LG] Latent Feedback Is a Compute and Data Amplifier
    [Institute of Foundation Models]
    https://arxiv.org/abs/2611.20404

    在小宇宙查看该单集文稿
  • AI可可AI生活

    [人人能懂AI前沿] 从虚拟试错、左右互搏到算力的物理回归

    16/11/2026 | 16 mins.
    今天我们将带你探索五篇极具启发的最新论文,看看AI如何通过在虚拟世界里练“推理”长出干实体活的灵巧双手,又是如何通过“左右互搏”治好盲目认错的“讨好型人格”。我们还会揭秘为什么早期给AI模型绑上“沙袋”反而能迎来后期的成绩大爆发,以及AI画图如何通过联合设计路线与步幅瞬间理清混沌。最后,我们将一起告别算力焦虑,看看不用中央处理器的物理电路如何靠“本能”自己学会认字。准备好了吗,让我们一起从这些硬核技术中,发现打破生活与工作瓶颈的奇妙心法!
    00:00:44 虚拟世界里修炼,真实世界里干活,AI如何跨越“脑”与“手”的鸿沟
    00:05:22 为什么越聪明的AI,越容易“耳根子软”?
    00:08:00 为什么早期的“笨功夫”,能换来后期的“大爆发”?
    00:10:23 从混沌到清晰,AI作画背后的做事心法
    00:12:37 告别“算力焦虑”,AI的尽头,或许是回归物理的本能
    本期介绍的几篇论文:
    [RO] Training Reasoning Models in Simulation to Natively Use Real Robots
    [MIT & UC Berkeley]
    https://arxiv.org/abs/2611.18562
    ---
    [CL] Benchmarks Don't Talk Back: Learning Through Self-Disagreement
    [Microsoft Research]
    https://arxiv.org/abs/2611.17563
    ---
    [LG] Delayed Effects of Temporary Weight Decay in Muon Pretraining
    [Meta]
    https://arxiv.org/abs/2611.17876
    ---
    [LG] Elliptic Sampling: Optimal Interpolant Schedules for Gaussians and Beyond
    [MIT]
    https://arxiv.org/abs/2611.18542
    ---
    [CL] Contrastive local learning in large nonlinear analog circuits
    [UC Berkeley]
    https://arxiv.org/abs/2611.17561

    在小宇宙查看该单集文稿
  • AI可可AI生活

    [人人能懂AI前沿] 从动态算力调度、推测性蒸馏到机器人的复盘日记

    15/11/2026 | 22 mins.
    今天我们将拆解五篇硬核又有趣的最新论文,看看AI如何在底层逻辑和物理世界中疯狂进化。我们将探讨如何用管理学思路打破AI算力调度的僵化流水线,以及为什么给AI系统减负、清理上下文垃圾比单纯升级大脑更高效。我们还会揭秘AI如何通过“关键点干预”的推测性蒸馏高效内化知识,并带你看看人类如何在虚拟空间为AI合成物理经验。最后,我们将一起见证具身智能机器人如何靠写最朴素的“复盘日记”完成惊人的自我进化。
    00:00:40 为什么越来越聪明的AI,却总在排队上栽跟头?AI算力调度背后的门道
    00:05:39 把天才用破产?真正的高效不在于给大脑升级,而在于给系统减负
    00:10:21 真正的高手是如何带徒弟的?从人工智能的快速学习说起
    00:15:27 AI能写诗却不会叠衣服?让机器拥有身体的难处
    00:18:22 真正的高手都爱复盘,一个让AI机器人大幅进步的笨办法
    本期介绍的几篇论文:
    [AI] Evolving Infra: Agent-Adaptive LLM Serving at Scale
    [Georgia Institute of Technology & University of Illinois Urbana-Champaign & UC Berkeley]
    https://arxiv.org/abs/2611.12304
    ---
    [AI] System Optimizations for Cost-Efficient Agent Harnesses
    [UC Berkeley & Northwestern University & University of Illinois at Urbana-Champaign]
    https://arxiv.org/abs/2611.12122
    ---
    [LG] Speculative Self-Distillation enables Efficient Knowledge Internalization
    [Stanford University & ETH Zürich]
    https://arxiv.org/abs/2611.12016
    ---
    [CV] Ropedia Xperience 2: A Gold Standard for Scaling Physical AI Environments and Behaviors
    [Ropedia Research Team]
    https://arxiv.org/abs/2611.17060
    ---
    [RO] Review the Episodes, Refine the Lessons: Simple Memory Evolution for Embodied Agents
    [Shanghai Artificial Intelligence Laboratory]
    https://arxiv.org/abs/2611.11509

    在小宇宙查看该单集文稿
  • AI可可AI生活

    [人人能懂AI前沿] 从寻找“能量谷”、无缝接续到打开AI暗箱

    14/11/2026 | 21 mins.
    今天我们将通过五篇极具启发性的最新论文,带你用“能量谷”视角把复杂的AI技术化繁为简,看看智能体如何通过“无缝接续”告别低效折返跑。我们还会探讨AI如何被迫写出透明代码打破“暗箱”,怎样利用“潜在反馈”告别死记硬背,以及如何打破壁垒真正看懂三维物理世界。准备好升级你的认知底座了吗?我们马上开始!
    00:00:31 万物皆有“能量谷”,用一个视角看懂AI
    00:04:54 真正的高效,在于随时随地无缝接续
    00:09:25 AI的“暗箱”被打开了:我们要的不只是答案,还有解释
    00:13:00 “死记硬背”不灵了,普通人怎么办?
    00:16:45 为什么AI总是“凭空捏造”物理规律?让机器看懂世界的新思路
    本期介绍的几篇论文:
    [AI] An Energy-Based Perspective on Machine Learning
    [Georgia Institute of Technology & Harvard University]
    https://arxiv.org/abs/2611.14383
    ---
    [AI] FlashStates: Unlocking Flexible Hybrid State Management for Agentic LLM Inference
    [Together AI & UIUC]
    https://www.alphaxiv.org/abs/2611.flashstate
    ---
    [AI] Interpretable Weight-Space Programming Builds Transparent Transformers and Brain Encoding Models
    [Microsoft Research & JHU & Columbia]
    https://www.alphaxiv.org/abs/2611.interpretable-weight-space-programming
    ---
    [AI] Latent Feedback Is a Compute and Data Amplifier: Scaling Law for Latent Feedback Transformers on Repeated Data
    [IMF & CMU]
    https://www.alphaxiv.org/abs/2611.latent-feedback-transformers-scaling-law
    ---
    [CV] UGG: Unified Generative Geometry Model
    [Harvard University & MIT & UC San Diego]
    https://arxiv.org/abs/2611.14440

    在小宇宙查看该单集文稿
More Technology podcasts
About AI可可AI生活
来自 @爱可可-爱生活 的第一手AI快报,用最简单易懂的语言,带你直击最前沿的人工智能科研动态。无论你是科技小白,还是行业达人,这里都有你想知道的AI故事和未来趋势。跟着我们,轻松解锁人工智能的无限可能! #人工智能 #科技前沿
Podcast website

Listen to AI可可AI生活, Lex Fridman Podcast and many other podcasts from around the world with the radio.net app

Get the free radio.net app

  • Stations and podcasts to bookmark
  • Stream via Wi-Fi or Bluetooth
  • Supports Carplay & Android Auto
  • Many other app features