你有没有想过，无论是AI还是我们自己，成为一个真正的高手，秘诀到底是什么？本期节目，我们将通过五篇极具启发性的最新论文，揭示几种截然不同的“高手修炼心法”。我们会探讨，如何给AI请一位能从数学公理开始自动出题的“奥数教练”，又如何让AI们从吃“大锅饭”变成开“经验分享会”。我们还将看到，为什么从“半成品”开始练习效率更高，并大胆质疑：AI煞有介事的“思考过程”，到底是真的在动脑，还只是一场“表演”？ 00:00:38 给AI请一位“奥数教练”：高手是怎么炼成的？ 00:06:03 AI的“大锅饭”与“分享会”：高手是怎么互相“抄作业”的 00:11:09 高手是怎么炼成的？从半成品开始练！ 00:16:12 AI的“内心戏”：是真思考，还是在表演？ 00:21:17 AI裁判的“养成记”：从随机猜测到精准判断 本期介绍的几篇论文： [CL] Saturation-Driven Dataset Generation for LLM Mathematical Reasoning in the TPTP Ecosystem [University of Lille] https://arxiv.org/abs/2509.06809 --- [LG] Sharing is Caring: Efficient LM Post-Training with Collective RL Experience Sharing [Gensyn AI Team] https://arxiv.org/abs/2509.08721 --- [LG] Tree-OPO: Off-policy Monte Carlo Tree-Guided Advantage Optimization for Multistep Reasoning [Technical University Munich & Huawei R&D Munich & Huawei Noah’s Ark Lab] https://arxiv.org/abs/2509.09284 --- [LG] Performative Thinking? The Brittle Correlation Between CoT Length and Problem Complexity [Arizona State University & Yale University] https://arxiv.org/abs/2509.07339 --- [LG] floq: Training Critics via Flow-Matching for Scaling Compute in Value-Based RL [CMU & University of Warsaw] https://arxiv.org/abs/2509.06863

AI的“造神运动”已经结束，“创世纪”的下半场才刚刚开始。 当所有人还在为模型参数、算力竞赛而狂热时，OpenAI的一线研究员却已宣告：游戏的玩法，变了。 真正的瓶颈，不再是“AI有多聪明”，而是“我们该让AI去解决什么问题”。 今天这一期《AI评论》，将为你揭示AI“下半场”的游戏规则： * 从“寻找答案”到“定义问题”： 为什么说下半场最稀缺的能力，不再是技术，而是想象力？ * “语言”的胜利： AI是如何学会“举一反三”，跳出“围棋棋盘”，走向我们真实世界的？ * 超越“对话框”： 为什么创业者的最大机会，是发明下一个超越ChatGPT的“交互方式”？ * 未来的生态： AI世界会是巨头垄断的“单极”，还是百花齐放的“多元”？ 这不仅是对未来的预测，更是给每一个创新者、创业者和思考者的“下半场”战略地图。

本期节目干货满满，我们将一起潜入AI思维的深海。我们会看到，AI如何学会像顶尖高手一样“倒着想”，先构思结尾再动笔；也会发现，为何AI赛道上1%的微小进步，会在“马拉松”式的长任务中滚成决定性的胜利。我们还会用一场“真心话大冒险”去窥探AI的“内心世界”，看看它是否真的“言行一致”；并揭秘一套先学“普通话”再通“方言”的语言天才养成法。最后，我还会为你揭露一种AI时代的“新巫术”，它可能会让你对许多所谓的“科学结论”打上一个大大的问号。精彩内容，马上开始！ 00:00:40 AI写作的“逆向工程”：高手都是先想好结尾再动笔 00:05:18 AI的“马拉松”陷阱：为什么领先一点点，最后能赢一大圈？ 00:10:10 AI的“真心话大冒险”：你嘴上说不要，身体却很诚实？ 00:15:06 AI的“语言天才”养成法：先学“普通话”，再通“方言” 00:20:12 AI时代的“新巫术”：只要锄头换得勤，没有墙角挖不倒 本期介绍的几篇论文： [LG] Reverse-Engineered Reasoning for Open-Ended Generation [ByteDance Seed] https://arxiv.org/abs/2509.06160 --- [LG] The Illusion of Diminishing Returns: Measuring Long Horizon Execution in LLMs [University of Cambridge & University of Stuttgart & Max Planck Institute for Intelligent Systems] https://arxiv.org/abs/2509.09677 --- [LG] Probing the Preferences of a Language Model: Integrating Verbal and Behavioral Tests of AI Welfare [Future Impact Group (FIG) & Ruhr-University Bochum] https://arxiv.org/abs/2509.07961 --- [CL] mmBERT: A Modern Multilingual Encoder with Annealed Language Learning [Johns Hopkins University] https://arxiv.org/abs/2509.06888 --- [CL] Large Language Model Hacking: Quantifying the Hidden Risks of Using LLMs for Text Annotation [Bocconi University & University of Zurich] https://arxiv.org/abs/2509.08825

AI时代新物种：Vibe Coding，凭感觉就能写代码？ 当设计师、运营、甚至你的老板都能用AI“凑”出一个App…工程师打开代码的瞬间，当场石化！😱 这究竟是在埋下一颗颗“技术地雷”，还是一种全新的“创新捷径”？那些用铁丝绑起来的“手搓汽车”，虽然丑，但能跑赢市场吗？ 先别急着下结论！这可能不是技术的倒退，而是社会分工的一次超级进化。 收听本期「爱评论」，陈老师带你揭开 “Vibe Coding” 的神秘面纱。看懂这场混乱背后，如何诞生最高效的创新范式，以及你——无论是创意者还是工程师——在其中的全新位置。

00:00:36 AI的“回音室”危机：当复印件开始复印自己 00:05:30 AI的“超级大脑”里，谁在干活，谁在摸鱼？ 00:10:23 AI的“隐形纹身”：一张纸巾就能擦掉？ 00:15:27 AI的“选择之道”：为何“条条大路通罗马”本身就是一种智慧？ 00:20:39 AI的“开窍”秘诀：好学生为何不能太“自信”？ 本期介绍的几篇论文： [LG] ForTIFAI: Fending Off Recursive Training Induced Failure for AI Models [UC San Diego & Stanford University] https://arxiv.org/abs/2509.08972 --- [CL] Steering MoE LLMs via Expert (De)Activation [University of California, Los Angeles & LMU Munich & Adobe Research] https://arxiv.org/abs/2509.09660 --- [LG] Character-Level Perturbations Disrupt LLM Watermarks [University of Technology Sydney & Griffith University] https://arxiv.org/abs/2509.09112 --- [LG] An entropy formula for the Deep Linear Network [G Menon, T Yu] https://arxiv.org/abs/2509.09088 --- [CL] CDE: Curiosity-Driven Exploration for Efficient Reinforcement Learning in Large Language Models [Tencent AI Lab] https://arxiv.org/abs/2509.09675

你是否也被AI的“一本正经胡说八道”搞到崩溃？ 它时而像天才，时而又像一个“假装什么都懂”的猪队友。 一张“Claude Code八荣八耻”趣图，意外揭示了与AI协作的真相。 在最新一期节目中，我将为你深度剖析： * 识破AI的“假面”： 为什么“假装理解”是AI最大的“耻”，而“诚实无知”才是它最宝贵的“荣”？ * 从“神灯”到“伙伴”： 这份清单如何成为我们与AI协作的“社会契约”和“操作手册”？ * 驯服“天才实习生”： 如何引导AI从“模糊执行”走向“寻求确认”，成为你最得力的助手？ * 人类的智慧： AI时代，我们最高级的价值，是如何引导AI的智能。 这不仅是给程序员的工程指南，更是每个希望驾驭AI的人，都应听一听的未来生存法则。

00:00:25 AI的“炼金术”：如何把“废料”变成“燃料”？ 00:04:50 AI替你搞科研，是馅饼还是陷阱？ 00:09:44 人多不一定力量大，但“脑子”多可以 00:14:17 给AI当老板，你只需要做好一件事 00:18:20 AI的“减肥”秘籍：高手做事，不在于“多”，而在于“准” 本期介绍的几篇论文： [LG] Generative Data Refinement: Just Ask for Better Data [Google DeepMind] https://arxiv.org/abs/2509.08653 --- [LG] The More You Automate, the Less You See: Hidden Pitfalls of AI Scientist Systems [Carnegie Mellon University] https://arxiv.org/abs/2509.08713 --- [LG] Merge-of-Thought Distillation [Zhejiang University & Inclusion AI] https://arxiv.org/abs/2509.08814 --- [CL] Verbalized Algorithms [MIT CSAIL & Marist University & UC Irvine] https://arxiv.org/abs/2509.08150 --- [LG] EvolKV: Evolutionary KV Cache Compression for LLM Inference [University of Chinese Academy of Sciences & ETH Zurich] https://arxiv.org/abs/2509.08315

当全世界都在为AI狂热，高呼“史上最伟大的创业时代”已经来临……此时你需要一个冷静的声音，戳破喧嚣的泡沫。 在最新一期《AI评论》中，我将为你深度剖析： * 淘金还是卖铲？ 在这场全民淘金的热潮中，哪种选择更聪明？ * 寒武纪的幸存者： 创业的“寒武纪大爆发”已至，如何不做那个被演化淘汰的物种？ * 甜蜜的陷阱： “按效果付费”等新模式，是蜜糖还是砒霜？ * 最大的挑战： 为什么说AI时代，最难的不再是“创造”，而是“被发现”？ 这不仅是给创业者的生存指南，更是给每一个身处变革中的人的清醒剂。 点击收听，在机遇的“眩晕”中，找到属于你的那条清晰路径。

00:00:23 AI的自我进化：当左手成了右手的老师 00:04:02 教AI“左右互搏”：成为高手的秘密 00:07:59 AI界的“四两拨千斤” 00:11:40 AI当学徒：一个“解题大师”是如何炼成的？ 00:16:30 AI的“后悔药”：让机器学会“重新理解” 本期介绍的几篇论文： [LG] Language Self-Play For Data-Free Training [Meta Superintelligence Labs] https://arxiv.org/abs/2509.07414 --- [CL] Parallel-R1: Towards Parallel Thinking via Reinforcement Learning [Tencent AI Lab Seattle] https://arxiv.org/abs/2509.07980 --- [LG] K2-Think: A Parameter-Efficient Reasoning System [Mohamed bin Zayed University of Artificial Intelligence] https://arxiv.org/abs/2509.07604 --- [LG] Autonomous Code Evolution Meets NP-Completeness [NVIDIA Research] https://arxiv.org/abs/2509.07367 --- [CL] Causal Attention with Lookahead Keys [ByteDance Seed] https://arxiv.org/abs/2509.07301

在今天，可能没有任何一个问题，比“AI会取代我们的工作吗？”更能引发我们集体的焦虑。而在所有职业中，教师这个角色，无疑是最特殊、也最引人深思的。它是人类最古老的职业之一，承载着文明的延续。一想到未来教室的讲台上，站着的不再是一个有血有肉的人，而是一个冷静、高效的机器人，很多人心里都会感到一丝不安……

00:00:26 高手过招：如何从一堆答案里“攒”出唯一正解？ 00:04:59 AI为什么也会“脑补”？ 00:10:17 AI刷题的“偏科”陷阱：如何让学霸更有创造力？ 00:15:19 一个AI学会做数学题，给了我们什么启发？ 00:21:20 目标太多，如何走上“最短路径”？ 本期介绍的几篇论文： [LG] The Majority is not always right: RL training for solution aggregation [FAIR at Meta & CMU] https://arxiv.org/abs/2509.06870 --- [LG] From Noise to Narrative: Tracing the Origins of Hallucinations in Transformers [Mila - Quebec AI Institute] https://arxiv.org/abs/2509.06938 --- [LG] Outcome-based Exploration for LLM Reasoning [FAIR at Meta] https://arxiv.org/abs/2509.06941 --- [LG] Scaling up Multi-Turn Off-Policy RL and Multi-Agent Tree Search for LLM Step-Provers [ByteDance Seed] https://arxiv.org/abs/2509.06493 --- [LG] Simple Optimizers for Convex Aligned Multi-Objective Optimization [Meta AI & Technion] https://arxiv.org/abs/2509.05811

在中国，乃至全世界的科技行业，一直流传着一个近乎铁律的说法，那就是“程序员吃的是青春饭”。很多人，尤其是程序员自己，都或多或少地被一种“35岁危机”的焦虑所笼罩。大家普遍认为，写代码是个高强度的体力活和脑力活，年轻人反应快、学得快、更能熬夜，似乎占据了天然的优势。但最近，一个非常有意思、甚至可以说是反直觉的现象，正在硅谷和全球的科技公司里悄然发生……