主播
节目简介
来源：小宇宙
你有没有想过，未来的AI要如何变得更聪明？最新的一些研究告诉我们，答案可能不是一味地堆算力，而是要学会人类的“智慧”。比如，让AI拥有一个能从错误中总结经验的“技能工具箱”；或者像教孩子一样，让它理解规则而不是死记硬背模式；甚至，像一位高明的将军，懂得如何排兵布阵，把好钢用在刀刃上。本期节目，我们就来聊聊这些让AI学会“反思”、“预见”和“布阵”的最新论文，看看真正的智能是如何炼成的。
00:00:38 高手，都是“错”出来的
00:05:41 AI学会举一反三的秘密，换个数字就不认识了？
00:10:57 AI大模型的新兵法，好钢如何用在刀刃上？
00:17:26 让机器人自己“玩”成高手，需要几步？
00:23:29 AI的远见，如何不看细节，反而看得更远？
本期介绍的几篇论文：
[AI] EvoSkill: Automated Skill Discovery for Multi-Agent Systems
[Sentient & Virginia Tech]
https://arxiv.org/abs/2603.02766
---
[LG] Symbol-Equivariant Recurrent Reasoning Models
[Johannes Kepler University Linz]
https://arxiv.org/abs/2603.02193
---
[LG] DynaMoE: Dynamic Token-Level Expert Activation with Layer-Wise Adaptive Capacity for Mixture-of-Experts Neural Networks
https://arxiv.org/abs/2603.01697
---
[RO] Tether: Autonomous Functional Play with Correspondence-Driven Trajectory Warping
[University of Pennsylvania]
https://arxiv.org/abs/2603.03278
---
[LG] Next Embedding Prediction Makes World Models Stronger
[T-Tech]
https://arxiv.org/abs/2603.02765
00:00:38 高手，都是“错”出来的
00:05:41 AI学会举一反三的秘密，换个数字就不认识了？
00:10:57 AI大模型的新兵法，好钢如何用在刀刃上？
00:17:26 让机器人自己“玩”成高手，需要几步？
00:23:29 AI的远见，如何不看细节，反而看得更远？
本期介绍的几篇论文：
[AI] EvoSkill: Automated Skill Discovery for Multi-Agent Systems
[Sentient & Virginia Tech]
https://arxiv.org/abs/2603.02766
---
[LG] Symbol-Equivariant Recurrent Reasoning Models
[Johannes Kepler University Linz]
https://arxiv.org/abs/2603.02193
---
[LG] DynaMoE: Dynamic Token-Level Expert Activation with Layer-Wise Adaptive Capacity for Mixture-of-Experts Neural Networks
https://arxiv.org/abs/2603.01697
---
[RO] Tether: Autonomous Functional Play with Correspondence-Driven Trajectory Warping
[University of Pennsylvania]
https://arxiv.org/abs/2603.03278
---
[LG] Next Embedding Prediction Makes World Models Stronger
[T-Tech]
https://arxiv.org/abs/2603.02765
评价
空空如也
小宇宙热评
暂无小宇宙热门评论
