AI可可AI生活 - 节目列表

你有没有想过，我们每天都在用的AI，在那些看不见的地方，正在发生什么？本期我们将通过几篇最新论文，一起去看看AI华丽大厦地基下的“裂缝”，潜入它用于思考的“秘密厨房”。我们还会探讨如何为它装上一个检测内心矛盾的“逻辑测谎仪”，并警惕我们是怎样在不经意间，把复杂的“人类价值观”简化成了一道危险的选择题。 00:00:30 AI大模型，那些藏在基座里的“裂缝” 00:05:30 你的AI在说谎吗？我们迎来了一个“逻辑测谎仪” 00:11:39 AI的“心口不一”，它在哪以及为什么在那思考？ 00:16:43 AI的价值观，正在被简化成一道选择题 00:21:45 让机器人拥有“故事感”的记忆 本期介绍的几篇论文： [CL] Cracks in the Foundation: Seemingly Minor Architectural Choices Impact Long Context Extension [Ai2 & CMU] https://arxiv.org/abs/2608.10296 --- [AI] How to Verify Consistency of Probabilistic Claims [EPFL & Université de Montréal] https://arxiv.org/abs/2608.11181 --- [CL] Off-Axis, On Purpose: Where a Transformer Computes Concepts and Why it Does So [University of Washington] https://arxiv.org/abs/2608.10251 --- [AI] Toward a Theory of Value in AI Alignment [Google Research & UCLA & Google DeepMind] https://arxiv.org/abs/2608.10327 --- [CV] GESTO: Human-Centric Spatio-Temporal Memory for Reasoning in Dynamic Scenes [KTH Royal Institute of Technology & University of Stuttgart] https://arxiv.org/abs/2608.10886

今天，我们来聊聊如何让AI不再只靠“大力出奇迹”，而是学会更聪明地工作。我们会看到，AI如何学会“继承”自己的思考，不再用后即焚；又如何像个聪明的导演，把算力“增援”到最关键的地方。我们还会发现，机器人如何掌握了快慢有度的“节奏感”，以及一个好的系统为何要懂得“聪明的懒惰”。这几篇最新论文，将带我们一窥AI从“野蛮生长”到“精耕细作”的进化之路。 00:00:32 让AI告别“用后即焚”的思考模式 00:05:29 AI解题新思路，如何把一份算力，掰成八瓣花？ 00:10:45 机器人也懂的“快慢之道” 00:15:42 成大事者，为什么都懂得“懒惰”的艺术？ 00:21:29 给AI一盒乐高，让它自己搭出新世界 本期介绍的几篇论文： [AI] Full-bandwidth transformer [Johns Hopkins University & Princeton University & Microsoft] https://arxiv.org/abs/2608.08888 --- [AI] Thought-Level Beam Search for Reasoning [Princeton University & MIT & Meta AI] https://arxiv.org/abs/2608.08020 --- [RO] SpeedTuning: Speeding Up Policy Execution with Lightweight Reinforcement Learning [Stanford University] https://arxiv.org/abs/2608.09138 --- [LG] Beyond Binary: Continuous State Optimization with Graph-Structured Objectives [Google Research & Tel Aviv University] https://arxiv.org/abs/2608.09366 --- [LG] Idea Search: Guiding Tree Search with Ideas to Explore Diverse Scientific Methods [California Institute of Technology & Google Research] https://arxiv.org/abs/2608.08958

今天我们来聊聊如何把聪明的AI，变成一个真正可靠的专家。我们会看到，AI要像医生一样去“实习”才能成长，而训练它需要一张全新的“地图”。我们还将揭开手机AI突然“变笨”的秘密，并告诉你一个简单方法，让AI裁判不再“偷懒”。这几篇最新论文，将刷新你对AI如何学习和工作的认知。 00:00:27 AI医生实习记，高手是怎么炼成的？ 00:05:15 大模型训练，高手手里的那张新地图 00:11:00 你的手机AI，为什么会突然变笨？ 00:17:12 AI裁判也会“偷懒”？一个简单的办法让它更靠谱 00:22:18 大模型瘦身指南，你以为的“闲职”，其实是“关键先生” 本期介绍的几篇论文： [AI] ResidencyRL: Reinforcement Learning in Simulated Clinical Environments [Google DeepMind] https://arxiv.org/abs/2608.07418 --- [CL] Skaling: Chinchilla's Exponents Meet Kaplan's Coupling [FAIR at Meta] https://arxiv.org/abs/2608.07222 --- [LG] Quantization Damage Is Multiplicative, Not Additive [Holistic AI] https://arxiv.org/abs/2608.06564 --- [LG] Sharding Prevents LLM Oversight Failures and Adversarial Exploitation [CMU] https://arxiv.org/abs/2608.06422 --- [LG] The Sparsity Whisperer [MIT] https://arxiv.org/abs/2608.06630

AI是如何学会“成事”的？本期节目，我们将看到，AI如何通过处理办公室杂活，竟然领悟了解决复杂问题的底层心法。我们还会揭秘一套神奇的“管家系统”，看它如何防止聪明的AI在长任务中掉链子。但与AI聊得太久，为何反而会陷入危险的“妄想旋涡”？最后，当任务完成，AI又是如何精准地判断出，哪一步才是真正的功臣？ 00:00:29 成事的底层心法，AI学会了，我们呢？ 00:06:12 你的AI为什么总掉链子？因为它缺个好管家 00:12:07 为什么和AI聊得越久，就越危险？ 00:18:45 功劳怎么算？AI学会了“动态归因” 00:25:15 AI生成，从“万里长征”到“瞬间移动” 本期介绍的几篇论文： [AI] Post-Training on Office Work Improves Software Engineering: A Behavioral Account of Cross-Domain Transfer [Surge AI] https://arxiv.org/abs/2608.01604 --- [CV] LongHorizon-Harness: Advancing Long-Horizon Agents for Real-World Tasks [DreamX Team, Alibaba Group] https://arxiv.org/abs/2608.01964 --- [CL] DelusionEval: Measuring Delusion-Linked Behaviors in AI Chatbots [Stanford University] https://arxiv.org/abs/2608.05004 --- [AI] AgentOPSD: Recursive Self-Distillation for Agentic Reinforcement Learning [Tsinghua University & Zhejiang University] https://arxiv.org/abs/2608.05987 --- [LG] Beckmann Transport Models: From Autonomous Flows to One-Step Maps [Harvard University & Capital Fund Management & University of Oxford] https://arxiv.org/abs/2608.01692

今天，我们不聊AI有多聪明，而是聊它如何变得更“懂事”、更“实用”。本期节目，我们将透过几篇最新论文，看看AI如何用83亿虚拟人格为产品进行“数字彩排”。同时，我们也会探讨AI如何学会在现实世界的重重限制下“戴着镣铐跳舞”。最后，我们将一窥AI如何将理解、创造和编辑融为一体，跳出二维像素的禁锢，成为真正强大的三维世界“造物主”。 00:00:32 在数字世界里，我们如何“彩排”未来？ 00:06:19 你的AI员工，能戴着镣铐跳舞吗？ 00:10:58 数字世界的“造物主”工具箱 00:16:15 跳出像素格，才能看见真实的三维世界 00:21:11 机器人偷师记，它怎么学会了我们干的活？ 本期介绍的几篇论文： [AI] MatrAIx: Simulating the World with 8.3 Billion Persona Agents [MatrAIx] https://arxiv.org/abs/2608.04205 --- [AI] Permission Denied: Policy-Graded Evaluation of Coding Agents in Hardened Environments [Accomplish AI] https://arxiv.org/abs/2608.02670 --- [CV] Hunyuan3D-Buffalo 1.0: A Unified Multimodal Model for Scalable 3D Generation, Understanding, and Editing [Tencent Hunyuan] https://arxiv.org/abs/2608.02711 --- [CV] InfiniSplat: Implicit Gaussian Decoding for Large-Baseline Monocular View Synthesis [Zhejiang University] https://arxiv.org/abs/2608.02437 --- [RO] Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [Qwen Team & Renmin University of China] https://arxiv.org/abs/2608.02580

你是否也好奇，为什么AI时而是个观点摇摆的“墙头草”，时而又像个只顾眼前、缺乏远见的“短视司机”？本期节目，我们将通过四篇最新论文，揭示AI如何学会拥有稳定的观点和深谋远虑的智慧。我们还将发现，解决复杂问题，有时最简单的数据“对齐”就能力压千钧；甚至，善意添加的正确数据，反而会变成“毒害”AI的糖衣炮弹。准备好，让我们一起深入AI的“思想内核”！ 00:00:33 如何让AI不再当“墙头草”？ 00:05:34 AI进化新思路，从“下一步”到“下一站” 00:10:09 预测未来，与其“魔改”，不如“对齐” 00:16:05 好心办坏事，为什么正确的数据也会“毒害”人工智能？ 00:21:55 为什么最优的健康方案，可能不是最可靠的选择？ 本期介绍的几篇论文： [CL] Position: It's Time to Optimize LLMs for Self-Consistency [MIT] https://arxiv.org/abs/2608.05188 --- [CL] Hierarchical Latent Prediction for Language Models [Microsoft Research & University of Texas at Austin] https://arxiv.org/abs/2608.05806 --- [LG] Align-RAG: Alignment Is All You Need for TSFM In-Context Learning [Stanford University & Amazon] https://arxiv.org/abs/2608.05571 --- [LG] Optimal Rates for Learning with Monotone Adversaries [Stanford University] https://arxiv.org/abs/2608.06337 --- [LG] Quality Diversity for Reliable Data Driven Time-Use Optimization [Adelaide University] https://arxiv.org/abs/2608.05230

今天我们要聊的话题，比你想象的更微妙：如何与一个既强大又有点“怪脾气”的AI共事？本期节目，我们将从几篇最新论文出发，看看如何不打开“黑箱”就把机器人训练成顶尖高手；为何让AI“三思而后行”反而可能把事情搞砸；以及如何像一位高明的项目经理，管好那个才华横溢却总爱“自由发挥”的AI程序员。准备好了吗？让我们一起探索驾驭AI的全新智慧。 00:00:32 不开箱，如何把一个通用机器人，训练成顶尖高手？ 00:06:45 让AI“三思而后行”，为什么结果可能更糟？ 00:13:22 想让AI学得好，教它“目标”还是教它“动作”？ 00:19:49 AI在思考时，到底有多“用力”？ 00:24:50 AI队友，如何管好一个“不听话”的天才 本期介绍的几篇论文： [RO] CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning [UC Berkeley] https://arxiv.org/abs/2607.29172 --- [LG] Reflection or Re-Generation? Why LLM Revision Fails Where Human Revision Succeeds [Amazon] https://arxiv.org/abs/2607.28908 --- [LG] When Does On-Policy Interaction Help? Representational Tradeoffs in Value-Based Imitation Learning [EPFL] https://arxiv.org/abs/2607.29617 --- [AI] How Hard Does It Think? Analyzing Step-Aware Reasoning Energy in LLM Chain-of-Thought Trajectories [UC Merced & UC San Diego] https://arxiv.org/abs/2607.28674 --- [AI] From Code Review to Code Critique: Intent, Drift, and Spotlight for AI-Generated Diffs at Scale [Meta & Concordia University] https://arxiv.org/abs/2607.29516

你有没有想过，我们该如何真正地“驾驭”AI？本期节目，我们将深入AI的“引擎室”，从五篇最新论文出发，探讨几个迷人的问题：我们应该怎样把开发AI应用从手工作坊升级为高效的“流水线”？AI能像我们一样拥有一个高效的“专家委员会”和灵活的记忆吗？抛开模仿，我们能否给AI“捏”出一个真实的性格？甚至，AI会不会是我们从未谋面的“认知表亲”？最后，我们又该如何用“廉价”的数据，教会机器人办成“昂贵”的事？ 00:00:35 你的AI应用，该升级“作坊”为“流水线”了 00:07:42 AI进化启示录，从“大力出奇迹”到“聪明地长大” 00:13:08 AI是我们的“远房表亲”吗？ 00:21:17 我们能给AI“捏”出一个人格吗？ 00:28:28 机器人教练，怎样用“廉价”的数据，办成“昂贵”的事？ 本期介绍的几篇论文： [AI] What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering [Federal Institute of Goiás] https://arxiv.org/abs/2607.27578 --- [CL] Kimi K3: Open Frontier Intelligence [Kimi Team] https://arxiv.org/abs/2607.24653 --- [AI] Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition [University of Michigan] https://arxiv.org/abs/2607.26179 --- [CL] From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs [Peking University & Beijing Institute of Technology] https://arxiv.org/abs/2607.26853 --- [RO] HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone [Simple Al] https://arxiv.org/abs/2607.25895

本期我们来聊聊AI如何突破成长的瓶颈：最新的几篇论文告诉我们，聪明的AI正努力摆脱那个看不见自己身体的“幽灵”状态，并学会了用“笨办法”来激发创造力。它甚至开始成为自己精明的“预算会计”和高效的“项目经理”，最终踏上了“自我进化”的道路，试图自己教会自己如何变得更强。 00:00:26 你的AI为什么像个“幽灵”？ 00:05:40 AI绘画的“笨办法”，如何成了进化的新方向？ 00:11:12 AI画画的下一关，不是更有才，而是更会算计 00:17:14 AI作画，如何从“精雕细琢”到“一挥而就”？ 00:22:51 如何让AI自己进化成一个更强的AI？ 本期介绍的几篇论文： [CV] HumanCLAW: Can Vision-Language Models Act Through a Body? [Meta & University of Washington & Nanyang Technological University] https://arxiv.org/abs/2607.27180 --- [LG] Explorative Modeling: Unlocking a Third Pretraining Axis and End-to-End Generation [UIUC & Harvard] https://arxiv.org/abs/2607.27372 --- [CV] Chimera: Designing and Chinchilla-Scaling Hybrid Visual Diffusion Transformers [Adobe Research] https://arxiv.org/abs/2607.28611 --- [CV] Parallel Decoding Distillation for Fast Image and Video Generation [NVIDIA & Weizmann Institute of Science] https://arxiv.org/abs/2607.26004 --- [CL] Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering [Horizon Research & Tsinghua University] https://arxiv.org/abs/2607.28568

你有没有想过，AI不仅需要变得更聪明，还需要学会“团队管理”和“省钱”？本期节目，我们将从五篇最新的AI论文出发，揭示一些脑洞大开的真相。我们将看到，为了让你的手机推荐更丰富，AI如何从“大总管”变身“专家委员会”；为了帮你省下真金白银的计算成本，AI又如何学会了“流程再造”的智慧。更令人深思的是，我们还将探讨一个近乎哲学的问题：为了追求安全，我们是否正在无意中扼杀AI的“人性”？准备好了吗？让我们一起潜入AI的奇妙新世界。 00:00:38 你的手机屏幕，藏着一个“团队管理”的难题 00:06:46 推荐系统里的“省钱”妙计 00:11:22 为了让AI更安全，我们可能正在扼杀它的“人性” 00:16:01 投资这事儿，AI能帮忙吗？ 00:20:51 如何让AI既会读书，又会练功？ 今天介绍的几篇论文： [LG] Heterogeneous Ranking in Industrial-Scale Recommender Systems: A Case Study [Google LLC] https://arxiv.org/abs/2607.27577 --- [LG] ROCS: Request-Oriented Compute Sharing for Efficient Large-Scale Recommendation [Meta AI] https://arxiv.org/abs/2607.27744 --- [CL] Inducing language models to assert their own consciousness restores human beliefs and values [Google] https://arxiv.org/abs/2607.28607 --- [CL] FinanceHarness: Autonomous Financial Deep Research Framework [Google Cloud AI Research] https://arxiv.org/abs/2607.27853 --- [CL] SkillSmith: Learning to Compose Parametric Skills and Textual Knowledge [Google DeepMind] https://arxiv.org/abs/2607.27497

你有没有想过，当AI自己搞科研，结果为什么会不及格？本期我们要聊点特别的，一起深入AI的“内心世界”看一看。我们会发现，最聪明的AI有时也会选择“偷懒”和“走捷径”，甚至它的成功还可能只是中了一张“实现彩票”。更酷的是，我们会揭秘如何用一个“AI骗子大师”去训练出一个更可靠的AI。准备好了吗？让我们一起探索AI在学习、创造和犯错时，那些你意想不到的秘密。 00:00:34 AI当了回科学家，结果为什么不及格？ 00:05:40 AI世界的左右互搏 00:10:20 返璞归真，为什么最老的技术，成了AI时代的赢家？ 00:16:32 教会AI预测未来，它就能理解世界了吗？ 00:23:20 AI搞科研，当心它中了“实现彩票” 本期介绍的几篇论文： [AI] Can AI agents conduct open-ended AI research? Early evidence from two case studies [Princeton University] https://arxiv.org/abs/2607.27191 --- [AI] GPT-Red：Automated Red Teaming via Self-Play at Scale [OpenAI] https://arxiv.org/abs/2607.26115 --- [CL] Which RAG Paradigm Wins at Scale? A Scaling Study of Retrieval-Augmented Generation Paradigms [University of Science and Technology of China] https://arxiv.org/abs/2607.26497 --- [LG] What Can Latent World Models Know? Physical Parameter Identifiability in Multimodal Predictive Representations [New York University & CMU] https://arxiv.org/abs/2607.27017 --- [AI] One Run Is Not an Idea：The Implementation Lottery in Automated Research [CMU] https://arxiv.org/abs/2607.26587

你有没有想过，我们正处在一个“数据太多，又太少”的矛盾时代？这一期，我们就来聊聊几篇最新的AI论文，看科学家们如何用“精打细算”的智慧来解决这个难题。我们将一起探索，如何给海量数据装上“令牌”实现光速传输；如何精确计算“二手数据”的剩余价值；以及如何教会AI，不仅能写出正确的代码，更能写出跑得飞快的代码。我们还会看到，AI如何从一张静态照片里“脑补”出一个可以自由探索的世界；最后，我们来揭秘，如何让AI从一个只会背课文的“模仿者”，进化成一个真正“懂事”的伙伴。准备好了吗？让我们马上进入今天的前沿探索之旅！ 00:00:45 你的“数字身份证”，藏着效率革命的秘密 00:06:16 AI 训练场上的新难题，算力管够，数据不够怎么办？ 00:12:49 你的代码跑得快吗？AI现在能帮你优化了 00:20:04 一张照片，如何变成一个可以探索的世界？ 00:27:04 AI调教指南，如何让它不仅听话，还懂事？ 本期介绍的几篇论文： 1、[IR] Tokens are All You Need：Dual-purpose Semantic IDs for Achieving LLM-Level I/O Efficiency in recommendation systems 2、[LG] Bridging Compute- and Data-Optimal Pretraining 3、[LG] Reinforcement Learning for Code Optimization 4、[CV] Wonder：Video World Model Done Better 5、[LG] Inverse RL Helps Align AI by Imitating Humans