你有没有想过，我们能不能让AI像探险家一样，在脑中绘制一张动态的世界地图？或者，仅仅是换个“看”图的顺序，就能让AI的识别能力大幅提升？本期节目，我们将一起探索几篇有趣的最新论文：看看为什么用“假奖励”瞎指挥，反而能激发AI的潜能；AI又是如何自动发现数据背后的“主线任务”；以及最关键的，我们如何教会AI那句宝贵的“我不确定”，让它变得更值得信赖。 00:00:35 你的大脑，如何给世界画地图？ 00:05:33 AI识图的秘密，你以为不重要的，恰恰是关键 00:12:01 为什么瞎指挥也能练出好学生？ 00:17:57 有一种AI，能自动发现数据的“主线任务” 00:23:29 给AI装上一个“靠谱”探测器 本期介绍的几篇论文： [LG] MapFormer: Self-Supervised Learning of Cognitive Maps with Input-Dependent Positional Embeddings [Institut Jean Nicod & École Normale Supérieur] https://arxiv.org/abs/2511.19279 --- [LG] REOrdering Patches Improves Vision Models [University of Pittsburgh & UC Berkeley] https://arxiv.org/abs/2505.23751 --- [LG] Spurious Rewards: Rethinking Training Signals in RLVR [University of Washington] https://arxiv.org/abs/2506.10947 --- [LG] Distributional Autoencoders Know the Score [University of Michigan] https://arxiv.org/abs/2502.11583 --- [LG] Similarity-Distance-Magnitude Activations [Reexpress AI] https://arxiv.org/abs/2509.12760

你有没有想过，真正的智能不只在于堆砌知识，更在于懂得“断舍离”，甚至学会如何“聪明地努力”？这一期，我们将看到最新论文如何教会AI进行动态的自我修正，以及机器人如何通过构建“知识金字塔”学会心灵手巧。我们还会见证，古老的“三角形”如何在AI新魔法的加持下重返巅峰，以及我们如何通过更换一把“度量尺”，让小模型的训练经验直接指导大模型。准备好，一场关于AI学习智慧的认知升级，马上开始！ 00:00:38 AI学会了“断舍离”，才能变得更聪明 00:05:48 机器人学会“心灵手巧”的秘密，不止是苦练 00:10:47 三角形，凭什么重返巅峰？ 00:16:26 AI进化的新姿势，从“大力出奇迹”到“聪明地努力” 00:22:33 训练AI，我们是不是一直在“蒙眼下山”？ 本期介绍的几篇论文： [LG] Deep Delta Learning [Princeton University & University of California, Los Angeles] https://github.com/yifanzhang-pro/deep-delta-learning/blob/master/Deep_Delta_Learning.pdf --- [RO] GR-Dexter Technical Report [ByteDance] https://arxiv.org/abs/2512.24210 --- [CV] Triangle Splatting for Real-Time Radiance Field Rendering [University of Liège] https://arxiv.org/abs/2505.19175 --- [CL] ShinkaEvolve: Towards Open-Ended And Sample-Efficient Program Evolution [Sakana AI] https://arxiv.org/abs/2509.19349 --- [LG] Training Deep Learning Models with Norm-Constrained LMOs [EPFL] https://arxiv.org/abs/2502.07529

你有没有想过，我们该如何为AI的高速公路设计智能的交通规则，又该如何教会一颗活的“迷你大脑”摸盲文？如果让AI来炒股，市场会更疯狂还是更理性？本期，我们将从几篇最新的论文出发，揭开AI从一个工具箱进化为发明家，并学会复杂推理的底层设计图。 00:00:26 给AI修路，为什么“车道”越多反而越容易“堵车”？ 00:05:32 如果让AI来炒股，它会比你更贪婪吗？ 00:11:24 当你的电脑开始用“脑子”摸盲文 00:16:21 你的AI助手，应该是个工具箱，还是个发明家？ 00:21:28 AI变聪明的“导航系统”，一份来自底层的设计图 本期介绍的几篇论文： [CL] mHC: Manifold-Constrained Hyper-Connections [DeepSeek-AI] https://arxiv.org/abs/2512.24880 --- [AI] Can Generative AI agents behave like humans? Evidence from laboratory market experiments [College London & CENTAI Institute & Bank of Canada] https://arxiv.org/abs/2505.07457 --- [RO] Encoding Tactile Stimuli for Organoid Intelligence in Braille Recognition [University of Bristo] https://arxiv.org/abs/2508.20850 --- [AI] Alita: Generalist Agent Enabling Scalable Agentic Reasoning with Minimal Predefinition and Maximal Self-Evolution [Princeton University & Tsinghua University & Shanghai Jiao Tong University] https://arxiv.org/abs/2505.20286 --- [LG] On the Design of KL-Regularized Policy Gradient Algorithms for LLM Reasoning [University of California, Los Angeles] https://arxiv.org/abs/2505.17508

你有没有想过，一个真正聪明的AI应该是什么样的？本期节目，我们将深入AI的“思考过程”，为你揭秘五篇最新论文带来的启发：我们将看到，AI如何像一个严谨的工程师，为自己的“世界模型”做“精装修”；如何像一个懂得“下笨功夫”的学生，通过生成式学习来避免投机取巧；更会看到它如何像一位创作者，从“逐字蹦”进化到“并行创作”；像一个项目经理，将搞不定的超长任务“外包”出去；最后，我们还会发现，AI甚至学会了像我们一样“自我反省”和纠错。准备好了吗？让我们一起探寻AI变得更聪明的秘密。 00:00:44 造个“世界模型”给自己用，聪明人是怎么“精装修”的？ 00:07:34 AI的“笨功夫”与“真聪明” 00:13:11 AI“写稿”新姿势，从“逐字蹦”到“一挥而就” 00:20:56 AI的大脑也会“内存不足”？那就给它一个外挂 00:26:55 让AI学会自我反省，需要几步？ 本期介绍的几篇论文： [LG] What Drives Success in Physical Planning with Joint-Embedding Predictive World Models? [Meta FAIR & New York University] https://arxiv.org/abs/2512.24497 --- [LG] Generative Classifiers Avoid Shortcut Solutions [CMU & Stanford University] https://arxiv.org/abs/2512.25034 --- [LG] Diffusion Language Models are Provably Optimal Parallel Samplers [UC Berkeley] https://arxiv.org/abs/2512.25014 --- [LG] Recursive Language Models [MIT CSAIL] https://arxiv.org/abs/2512.24601 --- [LG] Enhancing LLM Planning Capabilities through Intrinsic Self-Critique [Google DeepMind] https://arxiv.org/abs/2512.24103

你是否好奇，AI究竟是在独立思考还是在“背题库”？本期我们将搭建一个“思想风洞”来一探究竟，再把K线图当成“照片”喂给AI，看看它能否成为股神。随后，我们会深入神经网络的“职场”，看它如何通过“内卷”来自我裁员，并最终揭晓一本能“以小博大”、高效炼成大模型的万能说明书。准备好了吗？让我们一起开启这场关于AI智慧与效率的探索之旅！ 00:00:32 AI到底在思考，还是在“假装”思考？ 00:07:46 把K线图当成“照片”看，AI炒股能靠谱吗？ 00:13:07 AI也“内卷”，一个想法，让神经网络自己“裁员” 00:18:14 炼大模型，有没有一本万能说明书？ 本期介绍的几篇论文： [LG] The Bayesian Geometry of Transformer Attention [Dream Sports & Columbia University] https://arxiv.org/abs/2512.22471 --- [LG] S&P 500 Stock's Movement Prediction using CNN [Stanford University] https://arxiv.org/abs/2512.21804 --- [LG] Pruning as a Game: Equilibrium-Driven Sparsification of Neural Networks [Hamad Bin Khalifa University] https://arxiv.org/abs/2512.22106 --- [LG] Completed Hyperparameter Transfer across Modules, Width, Depth, Batch and Duration [Apple] https://arxiv.org/abs/2512.22382

你有没有想过，一个真正聪明的AI，它的学习方式和我们有什么不同？今天我们来聊聊几篇有趣的最新论文：有的AI像我们一样“边读边学”来消化一本厚书；有的机器人因为“见识”够广，突然就看懂了人类的视频；还有的AI，通过学习错误的答案，竟然比学习标准答案进步还快！更神奇的是，AI甚至开始通过自我辅导，学习如何成为一名科学家，并领悟到“终身学习”才是智能的终极宿命。这背后到底藏着哪些颠覆我们常识的智慧？让我们一探究竟。 00:00:39 AI的长文考卷，有没有更聪明的解法？ 00:06:27 机器人笨手笨脚？可能只是因为它“见识”太少 00:12:10 “抄作业”的正确姿势，为什么错误的答案里藏着宝藏？ 00:17:54 AI科学家，怎么才能不“纸上谈兵”？ 00:24:57 为什么最聪明的AI，也必须终身学习？ 本期介绍的几篇论文： [LG] End-to-End Test-Time Training for Long Context [Astera Institute & UC San Diego] https://arxiv.org/abs/2512.23675 --- [RO] Emergence of Human to Robot Transfer in Vision-Language-Action Models [Physical Intelligence] https://arxiv.org/abs/2512.22414 --- [LG] Shape of Thought: When Distribution Matters More than Correctness in Reasoning Tasks [University of Waterloo & MILA & Google DeepMind] https://arxiv.org/abs/2512.22255 --- [LG] Training AI Co-Scientists Using Rubric Rewards [Meta Superintelligence Labs & University of Oxford] https://arxiv.org/abs/2512.23707 --- [AI] The World Is Bigger! A Computationally-Embedded Perspective on the Big World Hypothesis [University of Alberta & The Swiss AI Lab IDSIA] https://arxiv.org/abs/2512.23419

你有没有想过，聪明的AI也像一个需要不断成长的学生？本期我们要聊的几篇最新论文，就揭示了AI正在经历一场深刻的“思维修炼”。我们会看到，AI不仅在学习如何诊断自己为什么会“胡说八道”，还在学习如何像项目经理一样规划工作，甚至学会了反思和定义一个“更好的问题”。这不仅是让AI变得更强大，更是让它变得更“智慧”的关键一步。 00:00:31 AI为什么会“一本正经地胡说八道”？一份统一的诊断书 00:06:05 AI“填词游戏”里的速度与智慧 00:11:58 你的AI团队里，谁才是真正的关键先生？ 00:17:33 如何提出一个“好问题”？这回轮到AI教我们了 00:23:24 从“考高分”到“造地图”，AI决策的一次思维升级 本期介绍的几篇论文： [CL] A Unified Definition of Hallucination, Or: It's the World Model, Stupid [CMU & Patronus AI & Stanford University] https://arxiv.org/abs/2512.21577 --- [LG] dUltra: Ultra-Fast Diffusion Language Models via Reinforcement Learning [University of Washington & UC Berkeley] https://arxiv.org/abs/2512.21446 --- [LG] An Information Theoretic Perspective on Agentic System Design [Stanford University] https://arxiv.org/abs/2512.21720 --- [AI] Accelerating Scientific Discovery with Autonomous Goal-evolving Agents [Cornell University & The Ohio State University & Yale University] https://arxiv.org/abs/2512.21782 --- [LG] Generative Actor Critic [Tsinghua University & UCLA & Beijing Institute of General Artificial Intelligence] https://arxiv.org/abs/2512.21527

你有没有想过，当AI学霸们“开会”时，它们会达成怎样的共识？为什么最安全的AI，有时反而是那个最“老实”的笨小孩？我们又该如何治好AI的“失忆症”，让它拥有真正的人格？本期节目，我们将一起深入AI的“内心世界”，从最新论文中探寻这些问题的答案，看看一个更聪明、更懂事、也更具“生命感”的AI是如何被构想和塑造的。 00:00:31 顶级AI模型，正在悄悄达成一个共识 00:06:15 AI的安全漏洞，不是太笨，而是太“老实” 00:11:04 你的AI助理，如何拥有“人格”？ 00:17:14 机器人怎么才能不“迷路”？从分工到整合，聊聊导航的新思路 00:23:00 给AI编剧一把尺子 [LG] Universally Converging Representations of Matter Across Scientific Foundation Models [MIT] https://arxiv.org/abs/2512.03750 --- [LG] Beyond Context: Large Language Models Failure to Grasp Users Intent [KTH Royal Institute of Technology] https://arxiv.org/abs/2512.21110 --- [AI] Sophia: A Persistent Agent Framework of Artificial Life [Westlake University & Project Cuddlepark Team & Shanghai Innovation Institute] https://arxiv.org/abs/2512.18202 --- [RO] LoGoPlanner: Localization Grounded Navigation Policy with Metric-aware Visual Geometry [Tsinghua University & Shanghai AI laboratory] https://arxiv.org/abs/2512.19629 --- [CL] DramaBench: A Six-Dimensional Evaluation Framework for Drama Script Continuation [University of Macau & University College London] https://arxiv.org/abs/2512.19012

当AI看似无所不知时，它真的理解自己说的因果关系吗？我们如何训练AI学会“解释自己”而不是“强词夺理”？本期节目，我们将从几篇最新论文出发，揭示AI如何学会编织知识地图、为何会“一本正经地胡说八道”，并一窥它那“不断复读”的内在工作模式，以及为电影特效“脑补”真实细节的惊人能力。 00:00:29 AI时代的“寻龙诀”，我们如何挖掘知识的因果龙脉 00:07:37 AI正在给你一种“知道”的幻觉 00:14:50 AI看病，如何才能“说人话”还“负责任”？ 00:19:48 AI的“偷懒”智慧，为什么顶尖模型都在悄悄“复读”？ 00:25:42 AI正在“脑补”你看不到的真实 本期介绍的几篇论文： [LG] Large Causal Models from Large Language Models [Adobe Research] https://arxiv.org/abs/2512.07796 --- [AI] Epistemological Fault Lines Between Human and Artificial Intelligence [Sapienza University of Rome & University of Milan Bicocca & University of Maribor] https://arxiv.org/abs/2512.19466 --- [LG] Reason2Decide: Rationale-Driven Multi-Task Learning [University of Alberta] https://arxiv.org/abs/2512.20074 --- [CV] Block-Recurrent Dynamics in Vision Transformers [Harvard University] https://arxiv.org/abs/2512.19941 --- [CV] Over++: Generative Video Compositing for Layer Interaction Effects [University of North Carolina at Chapel Hill & University of Maryland] https://arxiv.org/abs/2512.19661

你有没有想过，AI的强大不只靠“暴力关注”，更可能源于优美的“几何流动”？本期节目，我们将一起探索几篇最新论文带来的颠覆性视角：看AI如何像一个飞行员，在自己创造的“模拟世界”里积累经验；又如何像一位物理学家，用“棱镜”将信息分解成光谱，同时看清本质与细节；我们还会揭秘让AI学会像顶尖研究员一样思考的“童子功”，以及如何通过精妙的“公司化改造”，让AI的思考方式从“说一个字”进化到“想一句话”，变得更高效、更聪明。 00:00:39 AI大模型的“黑箱”，能不能换一种开法？ 00:07:47 AI的“模拟飞行”，语言模型如何偷学世界的规则？ 00:14:07 AI的新“视界”，你看到的是像素，它看到的是光谱 00:20:12 AI研究员的“童子功” 00:25:44 从“说一个字”到“想一句话”，AI思考方式的进化 本期介绍的几篇论文： [LG] Attention Is Not What You Need [University of Maryland] https://arxiv.org/abs/2512.19428 --- [CL] From Word to World: Can Large Language Models be Implicit Text-based World Models? [Southern University of Science and Technology & University of Edinburgh & Princeton University] https://arxiv.org/abs/2512.18832 --- [CV] The Prism Hypothesis: Harmonizing Semantic and Pixel Representations via Unified Autoencoding [Nanyang Technological University & SenseTime Research] https://arxiv.org/abs/2512.19693 --- [CL] Step-DeepResearch Technical Report [StepFun] https://arxiv.org/abs/2512.20491 --- [CL] NVIDIA Nemotron 3: Efficient and Open Intelligence [NVIDIA] https://arxiv.org/abs/2512.20856

你有没有想过，为什么投入巨大的AI模型有时反而会“学傻了”？当AI的“词典”里没有“我错了”这个词时，我们又该如何教会它自我反思？本期节目，我们将一起钻进AI的大脑，从几篇最新的论文出发，看看AI是如何诊断自己内部的“罢工”，如何通过一场“无限游戏”变得更安全，以及它在绘画时，究竟是在搞创作，还是在“背书”。 00:00:30 规模的诅咒，AI为何会“学傻”？ 00:06:29 AI的语言里，没有“我错了” 00:11:35 想让AI更安全？答案可能藏在一场“无限游戏”里 00:16:13 我们如何看穿世界的规则？AI给了新思路 00:23:44 揭秘AI绘画，它“抄袭”的秘密藏在哪？ 本期介绍的几篇论文： [LG] Understanding Scaling Laws in Deep Neural Networks via Feature Learning Dynamics [DePaul University & Iowa State University] https://arxiv.org/abs/2512.21075 --- [CL] Reflection Pretraining Enables Token-Level Self-Correction in Biological Sequence Models [Fudan University & Shanghai Artificial Intelligence Laboratory] https://arxiv.org/abs/2512.20954 --- [LG] Safety Alignment of LMs via Non-cooperative Games [FAIR at Meta & University of Tübingen] https://arxiv.org/abs/2512.20806 --- [LG] Active inference and artificial reasoning [University College London & VERSES] https://arxiv.org/abs/2512.21129 --- [LG] Generalization of Diffusion Models Arises with a Balanced Representation Space [University of Michigan] https://arxiv.org/abs/2512.20963

今天，我们要深入AI的“内心世界”，去探寻几个颠覆性的问题：聪明的AI，是该学会“胸有成竹”的规划，还是“选择性失忆”的智慧？我们该如何教会一个AI坦然承认“我不知道”，甚至让它比“学霸”更可靠？最新几篇论文，将带我们从AI的“顿悟”规律和推理模式中，找到这些问题的答案。 00:00:28 AI的“顿悟”，它如何学会把“走一步看一步”变成“胸有成竹”？ 00:06:42 为什么说，聪明的AI要学会“选择性失忆”？ 00:13:03 AI为什么总在“卡关”和“顿悟”之间横跳？ 00:19:26 如何让一个“学渣”AI，比“学霸”更靠谱？ 00:25:26 从终点出发，如何让AI学会“开窍” 本期介绍的几篇论文： [LG] Emergent temporal abstractions in autoregressive models enable hierarchical reinforcement learning [Google] https://arxiv.org/abs/2512.20605 --- [CL] ABBEL: LLM Agents Acting through Belief Bottlenecks Expressed in Language [UC Berkeley] https://arxiv.org/abs/2512.20111 --- [LG] Saddle-to-Saddle Dynamics Explains A Simplicity Bias Across Neural Network Architectures [University College London] https://arxiv.org/abs/2512.20607 --- [LG] Mitigating LLM Hallucination via Behaviorally Calibrated Reinforcement Learning [ByteDance Seed] https://arxiv.org/abs/2512.19920 --- [LG] Learning to Reason in LLMs by Expectation Maximization [Adobe Research & KAIST] https://arxiv.org/abs/2512.20169