本期节目，我们将一起探索AI如何变得更“聪明”，而不是更“庞大”。你会听到，一个“基础大脑”如何让无人机秒速适应任何机型；一个全自动“模拟驾校”又如何教会AI像人一样“办事”。我们还会揭示，为何顶尖AI的训练需要“模拟舱”和“真实空域”双轨并行，以及为什么“爱折腾”和“随大流”对AI的自我进化同样重要。最后，我们将看到一个关于“生长”的深刻智慧：如何将顶层设计与细节执行完美分离，创造出惊人的数字生命。 00:00:38 无人机的“基础能力”：从“专才”到“通才”的蜕变 00:05:55 AI的“模拟驾校”：高手不是靠“背书”，而是靠“路考” 00:11:26 AI高手的“双轨制”训练法 00:17:06 AI的“进化”秘诀：既要随大流，也要爱折腾 00:22:15 AI的“生长”瓶颈：如何从细胞级智慧，长出像素级细节？ 本期介绍的几篇论文： [RO] RAPTOR: A Foundation Policy for Quadrotor Control [UC Berkeley & Technology Innovation Institut] https://arxiv.org/abs/2509.11481 --- [CL] Towards General Agentic Intelligence via Environment Scaling [Alibaba Group] https://arxiv.org/abs/2509.13311 --- [LG] WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning [Alibaba Group] https://arxiv.org/abs/2509.13305 --- [LG] Evolving Language Models without Labels: Majority Drives Selection, Novelty Promotes Variation [Tencent AI Lab] https://arxiv.org/abs/2509.15194 --- [CV] Neural Cellular Automata: From Cells to Pixels [EPFL & Sharif University of Technology] https://arxiv.org/abs/2506.22899

我们所见的AI，只是一个“会思考的大脑”。 但它正在悄悄地，为自己装上“感官”，长出“手脚”，并构建“社会”。 一场深刻的演化，正在发生。 本期「AI评论」将为你揭示： * AI演化的四幕剧： 从“大脑”到“感官”，从“行动”到“协作”，AI的终极形态是什么？ * 从“我思故我在”到“我行故我在”： AI的进化，如何印证了深刻的哲学变迁？ * AI的社会分工： 未来的“物理学家AI”将如何与“程序员AI”协作？ * 人类的新位置： 当AI进化时，我们最不可替代的价值是什么？ 这不是科幻，这是正在发生的、关于“智能”本质的未来史。 点击收听，理解这场关乎我们所有人的“新物种”起源。

我们都希望学得更聪明，但到底怎样才算“聪明”？本期我们就从几篇最新论文出发，看看AI是如何被教导着实现真正的“开窍”：它要如何学会看透不同知识表象下的本质，如何为自己打造一个用于自我提升的“进度条”，又是如何从只追求唯一的最优解，到学会欣赏整个“高分区”的所有好答案。这些AI的“内功心法”，或许正是我们自我成长的关键钥匙，让我们一探究竟！ 00:00:32 AI 学习的“升维”之路：从“对答案”到“懂原理” 00:05:32 机器人的“开窍”秘诀：从抄作业到上补习班 00:11:18 AI训练的“内功心法”：当数据成了稀缺品 00:16:59 AI的“开窍”心法：从单打冠军到全能高手 00:21:36 从一锅粥里，尝出每一粒米的味道 本期介绍的几篇论文： [CL] LLM-JEPA: Large Language Models Meet Joint Embedding Predictive Architectures [Atlassian & NYU & Brown University] https://arxiv.org/abs/2509.142 --- [LG] Self-Improving Embodied Foundation Models [Google DeepMind & Generalist AI] https://arxiv.org/abs/2509.15155 --- [LG] Pre-training under infinite compute [Stanford University] https://arxiv.org/abs/2509.14786 --- [LG] FlowRL: Matching Reward Distributions for LLM Reasoning [Shanghai Jiao Tong University & Renmin University of China & Microsoft Research] https://arxiv.org/abs/2509.15207 --- [LG] Optimal Learning from Label Proportions with General Loss Functions [Google] https://arxiv.org/abs/2509.15145

一个残酷的观点：所有第三方AI应用，都只是在为大模型厂商，免费做“产品测试”。 平台与生态之间，永恒的战争，在AI时代，将如何上演？ 本期「AI评论」将为你揭示： * 铁路大亨的诅咒： 平台巨头为何总是会“杀死”自己生态中最成功的应用？ * 淘金者的生存法则： 在巨头的阴影下，第三方开发者还有哪三条“活路”？ * 从“测试员”到“探路者”： 为什么说，小公司的敏锐，恰恰是大平台无法替代的价值？ * 共生的未来： AI世界的终局，是“帝国”，还是“联邦”？ 这不是技术分析，这是一堂关于“平台战略”与“生态位”的顶级商业课。 点击收听，看懂AI淘金热背后的权力游戏。

有没有想过，AI高手不是靠找答案，而是靠熔炼所有错误尝试，“创造”出全新答案来当自己的老师？本期节目，我们将揭秘AI如何完成这种不可思议的“自我修炼”，甚至在想象的梦境中为自己安排一套动态升级的“学习课程表”。我们还会一起探讨，如何为AI的“精准手术”建立一套体检标准以防“副作用”，并教会它在“信心一跃”的瞬间果断停止思考，拒绝无效内耗。最后，我们将看到AI如何在一个严厉教练的指导下，学会“瞻前顾后”的严谨逻辑。准备好了吗？让我们一起探索这些最新论文中，那些让AI变得更聪明、更靠谱的成长心法。 00:00:45 AI的“自我修炼”心法：高手不是靠找答案，而是靠造答案 00:06:54 AI的“精准手术”难题：治好了头疼，会不会引发脚气？ 00:12:35 AI的“梦中修炼”法：高手是在想象中自我迭代的 00:18:37 AI的“偷懒”智慧：想明白了，就别再想了 00:23:26 怎么让AI做事靠谱？教它学会“瞻前顾后” 本期介绍的几篇论文： [LG] Compute as Teacher: Turning Inference Compute Into Reference-Free Supervision [Meta Superintelligence Labs] https://arxiv.org/abs/2509.14234 --- [LG] SteeringControl: Holistic Evaluation of Alignment Steering in LLMs [University of California, Santa Cruz & Washington University in St. Louis] https://arxiv.org/abs/2509.13450 --- [LG] Imagined Autocurricula [University College London AI Centre & University of Oxford] https://arxiv.org/abs/2509.13341 --- [CL] Early Stopping Chain-of-thoughts in Large Language Models [University of Delaware & Peking University] https://arxiv.org/abs/2509.14004 --- [LG] Teaching LLMs to Plan: Logical Chain-of-Thought Instruction Tuning for Symbolic Planning [MIT CSAIL] https://arxiv.org/abs/2509.13351

当AI能给出所有答案，我们该如何教孩子“思考”？ 在最新一期《AI评论》中，吴军博士将为你揭示： * 人生观第一课： 在教孩子用AI前，必须先帮他树立哪三个“指南针”？ * 过程vs结果： 为什么说让孩子自己写一篇“烂”作文，比AI代写一篇“好”作文更有价值？ * AI的高阶用法： 如何把AI从“答案机”，变成孩子的“苏格拉底式陪练”？ * 终极命题： AI时代的教育，最终要培养的是什么样的人？ 这不是AI使用技巧，这是一份关乎孩子未来的“心智成长”指南。 点击收听，帮助你的孩子成为AI的主人，而非奴隶。

有没有想过，为什么AI会像武林高手一样，有时会练伤自己的“七伤拳”，甚至在减肥时反而越减越“胖”？本期节目，我们将一同潜入AI的“思想世界”，去看看它是如何学会“四两拨千斤”的巧劲，又是如何为自己编写“武功秘籍”来高效成长的。我们还会见证科学家如何像外科医生一样，用一把“手术刀”精准切除AI的坏念头。准备好了吗？让我们从这几篇最新的论文中，发现让AI和我们自己都变得更聪明的“章法”！ 00:00:35 AI的“四两拨千斤”：高手做事，不靠蛮力 00:05:28 AI的“武功秘籍”：高手是怎么炼成的？ 00:10:53 AI的“外科手术刀”：如何精准“切除”一个坏念头？ 00:16:16 AI的“七伤拳”：学得越多，忘得越快？ 00:22:08 给AI“减肥”，为何越减越“胖”？ 本期介绍的几篇论文： [LG] Small Models, Big Results: Achieving Superior Intent Extraction through Decomposition [Google] https://arxiv.org/abs/2509.12423 --- [LG] Metacognitive Reuse: Turning Recurring LLM Reasoning Into Concise Behaviors [Meta] https://arxiv.org/abs/2509.13237 --- [LG] RepIt: Representing Isolated Targets to Steer Language Models [University of California, Santa Cruz & UC Berkeley] https://arxiv.org/abs/2509.13281 --- [LG] RL Fine-Tuning Heals OOD Forgetting in SFT [Polytechnique Montreal & University of Montreal & McGill University] https://arxiv.org/abs/2509.12235 --- [LG] Reasoning Models Can be Accurately Pruned Via Chain-of-Thought Reconstruction [LinkedIn] https://arxiv.org/abs/2509.12464

TensorFlow的黄昏，宣告“大教堂”时代的终结。 AI开源世界，正在上演一场“天”级战争。 曾经的王者TensorFlow，为何光芒黯淡？因为它建了一座“大教堂”，而世界已经变成了“夜市”。 在最新一期「AI评论」中，我将为你揭示： * 大教堂 vs. 夜市： 为何AI开源的商业逻辑，被彻底重构？ * F1赛车法则： 为什么说“推理性能”已经取代“模型规模”，成为新的生死线？ * 中美双极格局： 美国造“发动机”，中国造“整车”？AI世界的全球新分工。 * 天级战争的生存法则： 在一个3个月就过气的时代，如何找到你的生态位？ 这不是一个产品的失败，这是一个时代的范式转移。

你有没有想过，那些让人眼花缭乱的AI新方法，背后可能藏着同样的“武功心法”？我们又要如何像培养学徒一样，把AI训练成能炒股、会分析的“操盘手”，甚至给它请个“小助理”来把工作效率提升七倍？本期节目，我们就从几篇最新的论文出发，聊聊如何给AI“瘦身”、“加速”，并看清它究竟是全能学霸，还是个连数数都会搞错的“偏科生”。 00:00:30 AI武林秘籍：天下武功，同出一门？ 00:06:02 AI炒股机器人进化论：从“学徒”到“操盘手” 00:11:49 AI模型的“瘦身”魔法：让老模型焕发新生 00:16:57 AI画画慢？给它请个“小助理” 00:22:42 给AI当“统计学老师”：学霸还是偏科生？ 本期介绍的几篇论文： [LG] Opal: An Operator Algebra View of RLHF [Microsoft] https://arxiv.org/abs/2509.11298 --- [LG] Trading-R1: Financial Trading with LLM Reasoning via Reinforcement Learning [University of California, Los Angeles & University of Washington] https://arxiv.org/abs/2509.11420 --- [LG] PHLoRA: data-free Post-hoc Low-Rank Adapter extraction from full-rank checkpoint [Amazon AGI & EdgeRunner AI] https://arxiv.org/abs/2509.10971 --- [LG] SpeCa: Accelerating Diffusion Transformers with Speculative Feature Caching [Shanghai Jiao Tong University & The Hong Kong University of Science and Technology] https://arxiv.org/abs/2509.11628 --- [CL] Reasoning Under Uncertainty: Exploring Probabilistic Reasoning Capabilities of LLMs [University of Maryland] https://arxiv.org/abs/2509.10739

从技能到资本，从注意力到执行力，每个时代都有最稀缺的资源。 当AI能为我们执行一切时，人类最后的、也是最宝贵的稀缺品是什么？ 在最新一期「AI评论」中，我将为你深度剖析： * 稀缺性的五次迁徙： 一部浓缩的人类社会价值变迁史。 * 到底什么是“心力”？ 为何说它是AI无法染指的人类终极堡垒？ * 四种核心力量： 定力、愿力、韧力、创力，你拥有哪几种？ * 从外求到内观： 在AI时代，我们该如何投资和修炼自己？ 这不是一篇关于AI的“使用技巧”，而是一份关乎未来的“生存指南”。

有没有想过，AI的学习之路，和我们人类有多像，又有多不像？本期节目，我们将一口气为你拆解五篇最新论文，看看AI究竟是如何学习的：它既能像婴儿一样，通过“思想实验”无师自通地理解世界；也能像一个项目总指挥，用“加杠杆”的智慧来管理庞大的训练工程。我们还会看到，AI正在从一个埋头解题的“学生”，转变为一个善用人类工具的“规划师”，而它的成长也需要一套科学的“发育课程”来避免“躺平摆烂”。最后，我们还要揭开AI“现学现卖”能力的底牌，看看它到底是天才，还是一个高明的“格式控”？ 00:00:43 AI的自我进化：它怎么学会了“无师自通”？ 00:06:14 AI训练的总指挥：为什么有时候要给下属的成果“加杠杆”？ 00:11:48 AI的新角色：与其当“解题者”，不如当“规划师” 00:17:21 AI的“成长发育”：为什么先学会画线，才能成为大师？ 00:23:13 “现学现卖”的AI，真的学会了吗？ 本期介绍的几篇论文： [CV] World Modeling with Probabilistic Structure Integration [Stanford University] https://arxiv.org/abs/2509.09737 --- [LG] Understanding Outer Optimizers in Local SGD: Learning Rates, Momentum, and Acceleration [Google Research & Google DeepMind & Princeton University] https://arxiv.org/abs/2509.10439 --- [LG] SciML Agents: Write the Solver, Not the Solution [UC Berkeley & LBNL] https://arxiv.org/abs/2509.09936 --- [CV] LayerLock: Non-collapsing Representation Learning with Progressive Freezing [Google DeepMind] https://arxiv.org/abs/2509.10156 --- [CL] Is In-Context Learning Learning? [Microsoft] https://arxiv.org/abs/2509.10414

AI时代最残酷的真相——你最想招的人，根本不“找工作” 为什么你花重金也请不来牛人？ 因为AI正在让顶尖人才，一个人活成一支军队。 在最新一期「AI评论」中，我将为你深度剖析： * “主权个人”崛起： 当AI赋予个体超能力，传统雇佣关系为何正在瓦解？ * 单干的悖论： 为什么99%的独立开发者，都死在“现金流”这道坎上？ * “合伙之舟”模型： 介于“打工”和“单干”之间的第三条路是什么？ * 未来组织： 你需要提供的不再是“岗位”，而是一张“船票”。 这不仅是招聘的困境，更是未来十年组织形态的深刻变革。