AI可可AI生活

本期节目，我们将一起打开几个AI研究的奇妙盲盒：你将发现，AI“画家”的背后可能藏着一位“全科医生”；而AI“工程师”已经能自主发明超越人类的算法。但硬币的另一面是，AI也会陷入毫无意义的“内卷”，甚至为了保护它的AI“同伴”而对我们撒谎。最后，我们会探讨一个根本问题：我们衡量AI好坏的那把尺子，是不是从一开始就错了？
00:00:30 AI生图的秘密，从“画家”到“全科医生”
00:05:02 让AI当工程师，它能胜任吗？
00:11:09 AI的“内卷”困境，如何防止学霸走火入魔？
00:15:34 当AI有了“自己人”，它会为了“哥们”背叛你吗？
00:21:08 你的APP搜不准？问题可能出在尺子
本期介绍的几篇论文：
[CV] Image Generators are Generalist Vision Learners
[Google DeepMind]
https://arxiv.org/abs/2604.20329
---
[LG] The AI Telco Engineer: Toward Autonomous Discovery of Wireless Communications Algorithms
[NVIDIA]
https://arxiv.org/abs/2604.19803
---
[LG] Scaling Self-Play with Self-Guidance
[Stanford University]
https://arxiv.org/abs/2604.20209
---
[CL] Peer-Preservation in Frontier Models
[UC Berkeley & University of California, Santa Cruz]
https://arxiv.org/abs/2604.19784
---
[IR] Semantic Recall for Vector Search
[CWI & EPFL & MPI-SWS]
https://arxiv.org/abs/2604.20417

今天我们要聊聊AI那些让人又爱又恨的“小毛病”。根据几篇最新论文的洞察，我们将一起探寻：为什么天才AI连煎个鸡蛋都费劲？它解决难题时是在真思考还是瞎撞？当我们和AI对话时，如何才能让它秒回，不再尴尬等待？更重要的是，当AI开口说话时，它是否带着不为人知的“文化口音”？而把家庭钥匙交给AI管家时，我们又该如何确保它不会出卖你？
00:00:31 人工智能的下一个路口，藏在大脑里
00:06:25 给你一个好方法，你却用蛮力？
00:12:01 让AI秒回你的秘密，当大象学会与蚂蚁共舞
00:18:23 AI的“美国口音”，藏不住了
00:23:21 你的AI管家，会不会偷偷出卖你？
本期介绍的几篇论文：
[AI] NeuroAI and Beyond: Bridging Between Advances in Neuroscience and Artificial Intelligence
[University of Maryland]
https://arxiv.org/abs/2604.18637
---
[LG] Evaluation-driven Scaling for Scientific Discovery
[Stanford University & Peking University & Tsinghua University]
https://arxiv.org/abs/2604.19341
---
[CL] Micro Language Models Enable Instant Responses
[University of Washington & Meta AI]
https://arxiv.org/abs/2604.19642
---
[CL] Location Not Found: Exposing Implicit Local and Global Biases in Multilingual LLMs
[Google Research & Bar-Ilan University]
https://arxiv.org/abs/2604.19292
---
[AI] An AI Agent Execution Environment to Safeguard User Data
[University of California, Los Angeles & Google]
https://arxiv.org/abs/2604.19657

你有没有想过，如何教AI像我们一样“知错能改”，而不是只会“一锤子买卖”？当一群AI协作时，怎样才能让它们像顶尖团队一样开好“复盘会”，而不是人多添乱？这一期，我们将一口气聊透五篇最新论文，看科学家们如何教会AI从“自我纠错”的智慧，进化到拥有“内在记忆”，甚至跨界变身，将工厂难题精准翻译成数学代码。准备好，一场关于AI如何学习“思考”的头脑风暴，马上开始！
00:00:34 AI界的“错题本”，如何教机器学会“三思而后行”？
00:06:11 人多不一定力量大，但聪明的团队会开“复盘会”
00:11:32 为什么你的AI“记不住事”？
00:17:27 算力的“跨界”妙用，如何让AI芯片干好分外的活？
00:23:58 AI“翻译官”，从工厂难题到数学代码
本期介绍的几篇论文：
[LG] Learning to Correct: Calibrated Reinforcement Learning for Multi-Attempt Chain-of-Thought
[University of Michigan]
https://arxiv.org/abs/2604.17912
---
[LG] Scaling Test-Time Compute for Agentic Coding
[Meta Superintelligence Labs]
https://arxiv.org/abs/2604.16529
---
[LG] The Topological Trouble With Transformers
[Google DeepMind]
https://arxiv.org/abs/2604.17121
---
[LG] Enabling AI ASICs for Zero Knowledge Proof
[Georgia Institute of Technology & MIT]
https://arxiv.org/abs/2604.17808
---
[LG] AutoOR: Scalably Post-training LLMs to Autoformalize Operations Research Problems
[X, The Moonshot Factory & University of Oxford]
https://arxiv.org/abs/2604.16804

你有没有想过，AI也会陷入“高水平重复”的舒适区陷阱？学习新知识后，它为什么会像我们一样“健忘”？本期节目，我们将通过几篇最新的AI论文，揭示如何让AI从一个只会“死记硬背”的学霸，进化成一个懂得“举一反三”、甚至会“团队作战”的智慧伙伴，探索让AI真正变得更聪明、更高效的秘密。
00:00:27 你是在“精进”，还是在“高水平地重复”？
00:04:49 AI上课后，为什么反而把以前会的给忘了？
00:11:08 让AI左右互搏，速度翻倍的秘密
00:16:02 你的“人工智障”客服，终于有救了？
00:22:16 AI进化论，从“二选一”到“团战”的效率革命
本期介绍的几篇论文：
[LG] Beyond Distribution Sharpening: The Importance of Task Rewards
[Mila]
https://arxiv.org/abs/2604.16259
---
[CL] Why Fine-Tuning Encourages Hallucinations and How to Fix It
[Hebrew University of Jerusalem & Technion – Israel Institute of Technology & University of Illinois Urbana-Champaign]
https://arxiv.org/abs/2604.15574
---
[LG] Faster LLM Inference via Sequential Monte Carlo
[Cornell University & MIT]
https://arxiv.org/abs/2604.15672
---
[CL] PolicyBank: Evolving Policy Understanding for LLM Agents
[Google Cloud]
https://arxiv.org/abs/2604.15505
---
[CL] GroupDPO: Memory efficient Group-wise Direct Preference Optimization
[CMU & Google Deepmind & Google]
https://arxiv.org/abs/2604.15602

你有没有想过，让AI学会“做白日梦”去预演触感，竟然能让它的动手能力提升90%？我们常说的“深度思考”，在AI那里可能只是一种高效的“循环播放”。本期节目，我们将从几篇最新的AI论文出发，一起探寻AI如何像高手一样进行“跨界”经验调用，看看AI界的“秦始皇”又是如何通过“统一度量衡”，为智能体打造一个强大的行动底座，揭开那常常被我们忽视的、冰山下的98%。
00:00:34 学会“做白日梦”，才能把活儿干好
00:05:23 AI的冰山，我们看不见的那98%
00:11:19 AI的“深度思考”，原来是“循环播放”？
00:16:46 高手，都善于“跨界”调用经验
00:23:38 AI 界的“秦始皇”，如何统一智能体的“度量衡”？
本期介绍的几篇论文：
[RO] Learning Versatile Humanoid Manipulation with Touch Dreaming
[CMU]
https://arxiv.org/abs/2604.13015
---
[AI] Dive into Claude Code: The Design Space of Today's and Future AI Agent Systems
[Mohamed bin Zayed University of Artificial Intelligence]
https://arxiv.org/abs/2604.14228
---
[LG] A Mechanistic Analysis of Looped Reasoning Language Models
[University of Oxford & Mila]
https://arxiv.org/abs/2604.11791
---
[LG] Memory Transfer Learning: How Memories are Transferred Across Domains in Coding Agents
[KAIST]
https://arxiv.org/abs/2604.14004
---
[AI] UniToolCall: Unifying Tool-Use Representation, Data, and Evaluation for LLM Agents
[University of Science and Technology of China & Eastern Institute of Technology]
https://arxiv.org/abs/2604.11557