AI可可AI生活

今天我们要聊的话题，比你想象的更微妙：如何与一个既强大又有点“怪脾气”的AI共事？本期节目，我们将从几篇最新论文出发，看看如何不打开“黑箱”就把机器人训练成顶尖高手；为何让AI“三思而后行”反而可能把事情搞砸；以及如何像一位高明的项目经理，管好那个才华横溢却总爱“自由发挥”的AI程序员。准备好了吗？让我们一起探索驾驭AI的全新智慧。
00:00:32 不开箱，如何把一个通用机器人，训练成顶尖高手？
00:06:45 让AI“三思而后行”，为什么结果可能更糟？
00:13:22 想让AI学得好，教它“目标”还是教它“动作”？
00:19:49 AI在思考时，到底有多“用力”？
00:24:50 AI队友，如何管好一个“不听话”的天才
本期介绍的几篇论文：
[RO] CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning
[UC Berkeley]
https://arxiv.org/abs/2607.29172
---
[LG] Reflection or Re-Generation? Why LLM Revision Fails Where Human Revision Succeeds
[Amazon]
https://arxiv.org/abs/2607.28908
---
[LG] When Does On-Policy Interaction Help? Representational Tradeoffs in Value-Based Imitation Learning
[EPFL]
https://arxiv.org/abs/2607.29617
---
[AI] How Hard Does It Think? Analyzing Step-Aware Reasoning Energy in LLM Chain-of-Thought Trajectories
[UC Merced & UC San Diego]
https://arxiv.org/abs/2607.28674
---
[AI] From Code Review to Code Critique: Intent, Drift, and Spotlight for AI-Generated Diffs at Scale
[Meta & Concordia University]
https://arxiv.org/abs/2607.29516

在小宇宙查看该单集文稿

你有没有想过，我们该如何真正地“驾驭”AI？本期节目，我们将深入AI的“引擎室”，从五篇最新论文出发，探讨几个迷人的问题：我们应该怎样把开发AI应用从手工作坊升级为高效的“流水线”？AI能像我们一样拥有一个高效的“专家委员会”和灵活的记忆吗？抛开模仿，我们能否给AI“捏”出一个真实的性格？甚至，AI会不会是我们从未谋面的“认知表亲”？最后，我们又该如何用“廉价”的数据，教会机器人办成“昂贵”的事？
00:00:35 你的AI应用，该升级“作坊”为“流水线”了
00:07:42 AI进化启示录，从“大力出奇迹”到“聪明地长大”
00:13:08 AI是我们的“远房表亲”吗？
00:21:17 我们能给AI“捏”出一个人格吗？
00:28:28 机器人教练，怎样用“廉价”的数据，办成“昂贵”的事？
本期介绍的几篇论文：
[AI] What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering
[Federal Institute of Goiás]
https://arxiv.org/abs/2607.27578
---
[CL] Kimi K3: Open Frontier Intelligence
[Kimi Team]
https://arxiv.org/abs/2607.24653
---
[AI] Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition
[University of Michigan]
https://arxiv.org/abs/2607.26179
---
[CL] From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs
[Peking University & Beijing Institute of Technology]
https://arxiv.org/abs/2607.26853
---
[RO] HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone
[Simple Al]
https://arxiv.org/abs/2607.25895

在小宇宙查看该单集文稿

本期我们来聊聊AI如何突破成长的瓶颈：最新的几篇论文告诉我们，聪明的AI正努力摆脱那个看不见自己身体的“幽灵”状态，并学会了用“笨办法”来激发创造力。它甚至开始成为自己精明的“预算会计”和高效的“项目经理”，最终踏上了“自我进化”的道路，试图自己教会自己如何变得更强。
00:00:26 你的AI为什么像个“幽灵”？
00:05:40 AI绘画的“笨办法”，如何成了进化的新方向？
00:11:12 AI画画的下一关，不是更有才，而是更会算计
00:17:14 AI作画，如何从“精雕细琢”到“一挥而就”？
00:22:51 如何让AI自己进化成一个更强的AI？
本期介绍的几篇论文：
[CV] HumanCLAW: Can Vision-Language Models Act Through a Body?
[Meta & University of Washington & Nanyang Technological University]
https://arxiv.org/abs/2607.27180
---
[LG] Explorative Modeling: Unlocking a Third Pretraining Axis and End-to-End Generation
[UIUC & Harvard]
https://arxiv.org/abs/2607.27372
---
[CV] Chimera: Designing and Chinchilla-Scaling Hybrid Visual Diffusion Transformers
[Adobe Research]
https://arxiv.org/abs/2607.28611
---
[CV] Parallel Decoding Distillation for Fast Image and Video Generation
[NVIDIA & Weizmann Institute of Science]
https://arxiv.org/abs/2607.26004
---
[CL] Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering
[Horizon Research & Tsinghua University]
https://arxiv.org/abs/2607.28568

在小宇宙查看该单集文稿

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