我们总惊叹于AI的聪明，但你有没有想过，它们也会有思维盲区，甚至会犯一些“聪明人”的“笨”错误吗？这一期，我们就来深入AI的“内心世界”：我们将一起探索如何让机器人通过“做梦”来理解物理世界，看看AI会如何像“开普勒”一样只懂皮毛，又如何被引导成洞悉规律的“牛顿”。我们还会聊聊怎样训练一个AI成为另一个AI的“天敌”，以及如何绘制一张AI的“思想地图”，给它做一次全面的“体检”。准备好了吗？让我们一起出发！
00:00:37 让机器人做梦，是为了让它更好地干活
00:06:01 聪明人的“笨”办法，我们能从AI的失败中学到什么？
00:12:11 你的AI是“牛顿”还是“开普勒”？
00:18:18 如何把一个AI，训练成另一个AI的“天敌”？
00:23:44 AI的“思想地图”，我们如何给大模型做“体检”？
本期介绍的几篇论文：
[RO] DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos
[NVIDIA]
https://arxiv.org/abs/2602.06949
---
[CL] Large Language Model Reasoning Failures
[Stanford University & Carleton College]
https://arxiv.org/abs/2602.06176
---
[LG] From Kepler to Newton: Inductive Biases Guide Learned World Models in Transformers
[Stanford University]
https://arxiv.org/abs/2602.06923
---
[CL] SEMA: Simple yet Effective Learning for Multi-Turn Jailbreak Attacks
[Microsoft Research & University of Rochester]
https://arxiv.org/abs/2602.06854
---
[LG] Learning a Generative Meta-Model of LLM Activations
[UC Berkeley]
https://arxiv.org/abs/2602.06964