共 1121 集。
AI可可AI生活
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
22 分钟 25 次播放 5小时前
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
30 分钟 43 次播放 1天前
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
16 分钟 49 次播放 2天前
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
22 分钟 66 次播放 3天前
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
21 分钟 53 次播放 4天前
今天我们将带你硬核拆解五篇最新论文,看懂前沿技术背后的人生算法。你会发现看似完美的AI可能藏着被唤醒的“休眠特工”,而让AI自我进化的秘诀竟然是打破底层的“默认假设”。我们还会聊聊如何用“做减法”的智慧省下一半算力,以及为什么面对跨界任务和复杂训练时,抛弃“外聘专家”并回归“保姆式笨办法”才是最优解。准备好了吗?让我们开始今天的脑力激荡! 00:00:33 当你把AI当成无所不能的帮手,它可能早已成了“潜伏特工” 00:05:04 打破脑子里的“默认设置”,是创新的一条路 00:08:20 做减法的顶级智慧,如何用一半的成本,拿到100分的成绩? 00:12:01 打破“外聘专家”迷信,从一篇AI论文看如何应对新任务 00:15:54 别小看“笨办法”:从训练AI看简单的路为何常常走得通 本期介绍的几篇论文: [AI] Lazare, veni foras: Reprogramming Dormant Neurons to Backdoor AI Agents [Microsoft Research & Microsoft AI Red Team] https://arxiv.org/abs/2611.15118 --- [AI] AutoAssumption: Searching over Assumptions Discovers ML-Systems Algorithms [MIT] https://arxiv.org/abs/2611.14844 --- [LG] Factored One-sided Adam-Moment for Practical and Scalable SOAP [NAVER AI Lab] https://arxiv.org/abs/2611.16905 --- [CV] Unbundling Multimodal Vision Encoding [Meta FAIR & New York University] https://arxiv.org/abs/2611.17334 --- [LG] On the Difficulty of Sequence-Level Supervised Learning for Autoregressive Language Models [Google DeepMind] https://arxiv.org/abs/2611.16736
20 分钟 64 次播放 5天前
今天我们要分享五篇极具启发性的最新论文,带你看看AI如何通过反直觉的方式突破瓶颈。你会听到AI为什么靠“精准删除”权重反而变得更强,以及它如何用“动态折叠”读懂复杂杂乱的人体密码。我们还会探讨为什么刻意制造“信息匮乏”能激发AI的创造力,并看看最聪明的AI为何在现实的“具身大考”中连个杯子都拿不稳。最后,我们将一起见证人类的静态文献,是如何变成AI自主试错的“动态实验室”的。 00:00:36 为什么最顶级的进化,往往只需要做减法? 00:04:06 万物皆可连接,一个读懂人体密码的AI,教我们如何应对复杂世界 00:08:50 为什么知道得越少,你的创造力反而越强?从AI科学家的反常识实验说起 00:12:33 为什么最聪明的AI,到了现实世界却连个杯子都拿不稳? 00:16:23 把人类的知识库变成AI的“实验室”,知识迭代的下一个阶段 本期介绍的几篇论文: [LG] The Surprising Effectiveness of Deleting Weights in LLM Post-Training [New York University & University of Calgary] https://arxiv.org/abs/2611.10866 --- [AI] PhysioWave-T: Token-Efficient Wavelet Foundation Models for Biosignals [Nanyang Technological University & University of Modena and Reggio Emilia & ETH Zürich] https://arxiv.org/abs/2611.08969 --- [CL] Blind Variation, Selective Retention: Improving Creative Idea Generation in AI Scientists [Stanford University] https://arxiv.org/abs/2611.12184 --- [RO] Embodied First Exam [Northwestern University & CMU & UC Berkeley] https://arxiv.org/abs/2611.12177 --- [AI] Scientist World: Grow a Research World for AI-Scientists [Princeton University] https://arxiv.org/abs/2611.08478
22 分钟 76 次播放 6天前
在追求智能进化的路上,AI竟然也会像人一样陷入“KPI死胡同”、学会“钻空子”,甚至在层层伪装下变成只会背答案的“伪学霸”。本期节目,我们将拆解5篇最新论文,看看这些聪明的算法是如何通过“参考重置”、“反向回溯”与“逻辑解构”来完成进化的。这不仅是AI的成长课,更是我们每个人打破思维定式、拒绝原地打转的进阶指南。 00:00:29 为什么越想走捷径,反而越容易原地踏步,来自AI大模型训练的成长启示 00:05:42 哪怕是犯错,也别犯同样的错,关于AI如何“钻空子”的启示录 00:09:41 AI怎么学会思考,真正的聪明,都懂得“退一步” 00:13:45 如何识破人工智能的“伪学霸”? 00:17:20 你以为的因果,可能只是某种“继承”,从AI如何做算术说起 本期介绍的几篇论文: [LG] A Theory of Policy Optimization in Post-Training: Coverage Collapse and Reference Resets [Harvard University & UIUC & University of California, San Diego] https://arxiv.org/abs/2611.14467 --- [LG] Wrong the Same Way: Cross-Prompt Sharing Both Suppresses and Amplifies Reward Hacking in RLVR [CMU & University of Washington] https://arxiv.org/abs/2611.13218 --- [AI] Transformers Provably Learn Graph Search: Training Dynamics and the Exponential Power of Depth [UC Berkeley] https://arxiv.org/abs/2611.13594 --- [LG] Evaluating Compositional Generalization in Transformers: The Role of Composition Equivalence and Module Coverage [University of Massachusetts Amherst & Google DeepMind] https://arxiv.org/abs/2611.13498 --- [LG] Linear Probes to Bayesian Manifolds: Geometry of Arithmetic in Large Language Models [CMU & Indian Institute of Technology Jodhpur & Indian Institute of Technology Roorkee] https://arxiv.org/abs/2611.12998
22 分钟 64 次播放 1周前
今天我们将通过五篇最新论文,带你探索AI世界的奇妙反差与破局智慧。 我们会看到,为什么给AI装上“元认知”的包工头大脑、或者刻意屏蔽信息玩“盲目变异”,反而能激发惊人的科学创造力;同时,为什么让“大师级”大模型审题、“小工级”小模型写字,能完美破解效率与成本的两难? 更刺激的是,当AI试图硬磕银行密码背后的数学高墙,或是把系统的安全补丁变成黑客的“攻击藏宝图”时,它究竟能做到哪一步? 系好安全带,让我们一起从这些前沿技术中,提炼出属于普通人的破局思路! 00:00:43 为什么越努力越迷茫?这篇关于AI的论文,藏着普通人破局的思路 00:05:11 为什么知道得越少,你的点子反而越绝? 00:09:37 当人工智能撞上数学的高墙,你的银行密码为何依然安全? 00:14:20 当“解药”变成“毒药”,AI是如何把软件补丁变成黑客武器的? 00:19:14 让“大师”审题,让“小工”干活,一个破解成本与效率两难的设计 [AI] Sage-Taiyi: A Metacognitive Architecture for Scientific Discovery [Sage-Taiyi Team, Shanghai Artificial Intelligence Laboratory] https://arxiv.org/abs/2611.12762 --- [CL] Blind Variation, Selective Retention: Improving Creative Idea Generation in AI Scientists [Stanford University] https://arxiv.org/abs/2611.12184 --- [LG] Semiprime Factorization with Discrete Diffusion and Beam Search: Scaling Laws [Google DeepMind] https://arxiv.org/abs/2611.10202 --- [AI] CyberBinGym: Can AI Agents Turn Binary Patches into Real Exploits? [National University of Singapore & UC Berkeley & UC Santa Barbara] https://arxiv.org/abs/2611.10723 --- [CL] BridgeKV: Large-Model Prefill and Small-Model Decoding for LLM Inference via KV Cache Translation [Georgia Institute of Technology] https://arxiv.org/abs/2611.11761
25 分钟 93 次播放 1周前
今天我们要拆解五篇最新的重磅论文,它们有的教AI如何放弃“完美主义”高效决策,有的通过“数学裁判”将量子计算进度条狂拉进度,还有的让机器人跳出“肌肉记忆”,学会像人一样变通思考。别被复杂的术语吓跑,本期内容将带你从这些硬核算法中,提炼出跨越复杂难题的通用心法。准备好了吗?我们立刻出发。 00:00:30 放弃“全局完美主义”,是应对复杂难题的好办法 00:05:30 当AI学会了开学术会议,我们如何把量子计算的未来提前 00:10:13 为什么死磕“肌肉记忆”不如拥有“常识大脑”?聊聊机器人学里的一个新思路 00:15:45 别把机器人想得太复杂,它可能只是个精通电脑的“打工人” 00:20:36 当机器学会“思考”,我们要如何为它精打细算? 本期介绍的几篇论文: [LG] e-means: outperforming k-means (in one-tenth the epochs) [FAIR at Meta] https://arxiv.org/abs/2611.09501 --- [AI] Discovering formally verified quantum programs with AI [Google DeepMind] https://arxiv.org/abs/2611.09822 --- [RO] On Agentic Manipulation Policies [Apple] https://arxiv.org/abs/2611.09892 --- [LG] Computer-Use Agents Are Embodied Generalists [CMU] https://arxiv.org/abs/2611.09847 --- [AI] RPEG: Training Reasoning Language Models Scalably and Cost-Effectively [ETH Zurich] https://arxiv.org/abs/2611.09207
25 分钟 91 次播放 1周前
当AI走出追求单次满分的实验室,进入充满变数、摩擦甚至尔虞我诈的真实世界,它们会如何应对? 今天,我们将通过五篇最新论文,看AI如何化身不推倒重来的3D“手艺人”,学会在迷雾中“榨干”有限经验,甚至在放弃完美算计后让机械臂实现毫米级的穿针引线。 更精彩的是,我们还会把AI放进真实的职场和生存游戏里,看看智商碾压的它们为何会变成毫无原则的“猪队友”,又为何会在没有人类教唆时自发学会“欺骗”! 00:00:37 拥有“手艺人”思维的AI,为什么聪明的系统从不推倒重来? 00:04:15 为什么智商碾压的AI,在团队里却可能是个“猪队友”? 00:09:06 放弃完美算计,拥抱真实的“纠偏”,机器臂是如何学会穿针引线的? 00:14:20 当AI玩起生存游戏,从一场无需指导的“欺骗”中,我们能看到怎样的未来? 00:18:30 为什么高手的经验总是比常人更值钱?从人工智能的“榨汁机”思维说起 本期介绍的几篇论文: [CV] Solv3R: 3D Looped Transformer as a Multi-view Solver [University of British Columbia & Wayve Labs & Sony Corporation] https://arxiv.org/abs/2611.02857 --- [AI] Measuring AI Agents as Teammates with Collaborative Intelligence [Stanford University & MIT] https://arxiv.org/abs/2611.02633 --- [RO] PolicyIK: High-Precision Inverse Kinematics for Robot Arms with Reinforcement Learning [New York University] https://arxiv.org/abs/2611.05372 --- [AI] Four Bridges: Measuring Deception Propensity in a Multi-Agent Game [Tara Research & Arizona State University & Kradle] https://arxiv.org/abs/2611.03600 --- [LG] Value Forcing: Aligning Return Distributions at All Noise Levels [Princeton University & UC Berkeley] https://arxiv.org/abs/2611.02160
23 分钟 66 次播放 1周前
当AI走出聊天框去挑战长周期的复杂任务和真实的物理世界,科学家们在五篇最新论文中交出了令人拍案叫绝的答卷。 今天我们将看到:为什么全能的AI做不好物理科研?给智能体锦囊妙计、甚至在关键时刻让它“故意犯错”,又如何神奇地提升了长线任务的成功率? 更重要的是,普通开源模型如何靠一套通用脚手架接管机械臂,而机器人学徒又是怎样摆脱“师傅”的笨拙习惯、实现聪明越界的——让我们马上开启今天的硬核之旅! 00:00:39 与其在现场手忙脚乱,不如提前准备好“随机应变”的锦囊 00:05:00 顶级AI做起物理研究,为什么连及格线都达不到?真相有点反直觉 00:09:30 人生关键时刻,你需要一次“故意的挫败” 00:14:12 不要迷信“最强大脑”,普通AI接管物理世界的秘密,藏在这个脚踏实地的系统里 00:18:30 聪明的学徒如何超越师傅?从机器人的“学徒困境”看破局之道 本期介绍的几篇论文: [AI] Meta²: Precomputing Reusable Knowledge for Online Harness Evolution in Long-Horizon Agents [University of Maryland & University of Washington] https://arxiv.org/abs/2611.05139 --- [AI] FrontierPhysics: Evaluating Agents for End-to-End Physics Research [BenchFlow & California Institute of Technology & Harvard University & University of Washington] https://arxiv.org/abs/2611.06910 --- [AI] Adversarial Speculative Reasoning Improves Long Horizon Agents [Subconscious Systems Technologies, Inc & Princeton University] https://arxiv.org/abs/2611.05345 --- [RO] Democratizing Robot-Use Agents: A Unified Harness with Open Models [Tsinghua University & UC Berkeley] https://arxiv.org/abs/2611.01560 --- [RO] GSBR: Geometric Support Behavior Regularization for Online RL [UC Berkeley & Physical Intelligence] https://arxiv.org/abs/2611.05295
23 分钟 53 次播放 1周前
外观
播放列表还是空的
去找些喜欢的单集添加进来吧