AI可可AI生活 - 节目列表

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

你有没有想过，当AI独自“思考”时，它的小脑袋里都在发生什么？本期节目，我们将深入AI的“内心世界”，看看最新论文是如何教会AI像武林高手一样“左右互搏”来自我进化，如何给它装上一个懂得“反思”的脑子来攻克数学难题，又是如何发现它在画画时竟然会悄悄“抄近道”的。更神奇的是，我们还会聊到如何用“坏指令”教出“好模型”，以及如何为AI请来一位绝对公正的“铁面裁判”。准备好了吗？让我们一起揭开AI“内心戏”的神秘面纱！ 00:00:39 顶级高手的训练秘籍，AI的“左右互搏术” 00:06:00 AI也会算错数？给它一个“反思”的脑子 00:11:10 AI训练的“左右互搏”，用坏指令，教出好模型 00:16:29 如何让AI拥有一个既出题、又陪练、还绝对公正的“完美教练”？ 00:22:47 你的AI听话吗？它可能在悄悄“抄近道” 本期介绍的几篇论文： [AI] Toward Training Superintelligent Software Agents through Self-Play SWE-RL [Meta FAIR & Meta TBD Lab] https://arxiv.org/abs/2512.18552 --- [CL] MDToC: Metacognitive Dynamic Tree of Concepts for Boosting Mathematical Problem-Solving of Large Language Models [University of Maryland] https://arxiv.org/abs/2512.18841 --- [LG] Recontextualization Mitigates Specification Gaming without Modifying the Specification [MATS] https://arxiv.org/abs/2512.19027 --- [AI] Propose, Solve, Verify: Self-Play Through Formal Verification [CMU] https://arxiv.org/abs/2512.18160 --- [LG] Is Your Conditional Diffusion Model Actually Denoising? [MIT & Yale University] https://arxiv.org/abs/2512.18736

本期节目，我们将一起潜入AI的“思想内核”，看看科学家们是如何像物理学家一样，为AI搭建“比萨斜塔”来找到最关键的架构“补丁”；如何为AI的思考过程立下“定律”，让它不再“乱使劲”；我们还会聊聊，怎样将我们模糊的“感觉”变成一把精准的AI“标尺”；如何找到AI训练中那条介于“跳跃”和“龟行”之间的最优路径；以及如何打造一个既能学得像人类专家，又能开得稳的AI“老司机”团队。准备好了吗？让我们一起出发！ 00:00:37 AI研究的“比萨斜塔”：我们看清模型强弱的方式可能错了 00:08:29 给AI立规矩：聪明的大脑是如何炼成的？ 00:14:59 AI训练的“最优解”：在跳跃和龟行之间找到第三条路 00:20:32 你的“感觉”，如何变成AI的“标尺”？ 00:25:56 如何让AI司机，既学得像，又开得稳？ 本期介绍的几篇论文： [CL] Physics of Language Models: Part 4.1, Architecture Design and the Magic of Canon Layers [FAIR at Meta] https://arxiv.org/abs/2512.17351 --- [CL] When Reasoning Meets Its Laws [University of Illinois Urbana-Champaign & University of Pennsylvania] https://arxiv.org/abs/2512.17901 --- [LG] Smoothing DiLoCo with Primal Averaging for Faster Training of LLMs [Meta Superintelligence Lab] https://arxiv.org/abs/2512.17131 --- [CL] AutoMetrics: Approximate Human Judgements with Automatically Generated Evaluators [Stanford University & American Express] https://arxiv.org/abs/2512.17267 --- [LG] Distributionally Robust Imitation Learning: Layered Control Architecture for Certifiable Autonomy [University of Illinois Urbana-Champaign & University of Pennsylvania] https://arxiv.org/abs/2512.17899

你有没有想过，AI的进化不只靠“大力出奇迹”？今天我们要聊点更聪明的：比如，给3D世界换上一种全新的“智能积木”；不造新车，而是给最强的大模型巧妙“换上新引擎”；甚至通过分离“骨架”与“灵魂”，让数字世界变得前所未有的高效。本期节目，我们将通过几篇最新论文，揭示那些重塑AI底层逻辑的优雅巧思，看看AI是如何在看不见的地方，悄悄完成自我进化的。 00:00:33 一套“智能积木”如何解锁3D世界？ 00:06:23 AI大模型的新玩法：不造新车，只换发动机 00:14:06 AI提速的关键：不只靠“算得快” 00:22:05 3D世界的新法则：分离骨架与灵魂 00:27:00 AI的“记忆”难题，决定了它离我们还有多远 本期介绍的几篇论文： [CV] Native and Compact Structured Latents for 3D Generation [Tsinghua University & Microsoft Research] https://arxiv.org/abs/2512.14692 --- [CL] Bolmo: Byteifying the Next Generation of Language Models [Allen Institute for AI & University of Washington] https://arxiv.org/abs/2512.15586 --- [LG] SonicMoE: Accelerating MoE with IO and Tile-aware Optimizations [Princeton University & UC Berkeley] https://arxiv.org/abs/2512.14080 --- [CV] Nexels: Neurally-Textured Surfels for Real-Time Novel View Synthesis with Sparse Geometries [University of Toronto & Simon Frasier University] https://arxiv.org/abs/2512.13796 --- [CL] Memory in the Age of AI Agents [National University of Singapore & Renmin University of China] https://arxiv.org/abs/2512.13564

今天，我们要从一个笨拙的机器人聊起，看科学家如何赋予它有趣的灵魂，再深入探讨如何让聪明的AI学会“守规矩”，而不是总给我们添乱。接着，我们会发现，让AI修图不再“P了个寂寞”的秘诀，竟然是让它学会像设计师一样思考；而让AI“看懂”世界的终极答案，可能和教它“说话”一样简单。最后，我们将把视角拉到未来，看看当无数AI组成一个“数字社会”时，我们该如何治理它，而不是空等一个AI大神的降临。 00:00:36 笨拙的机器人，如何拥有有趣的灵魂？ 00:05:28 AI那么聪明，为什么还那么“笨”？ 00:12:26 你的AI修图，为什么总是“P了个寂寞”？ 00:17:39 AI视觉的“返璞归真”：从做拼图到学说话 00:22:39 AI大神不会降临，但AI社会正在形成 本期介绍的几篇论文： [RO] Olaf: Bringing an Animated Character to Life in the Physical World [Disney Research Imagineering] https://arxiv.org/abs/2512.16705 --- [LG] CAPE: Capability Achievement via Policy Execution [Superficial Labs] https://arxiv.org/abs/2512.14761 --- [CV] Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition [HKUST(GZ) & Alibaba] https://arxiv.org/abs/2512.15603 --- [CV] Next-Embedding Prediction Makes Strong Vision Learners [University of Michigan & Princeton University] https://arxiv.org/abs/2512.16922 --- [AI] Distributional AGI Safety [Google DeepMind] https://arxiv.org/abs/2512.16856

我们总觉得AI越大越好，但如果一个AI能像大公司一样知识渊博，却只用一个小团队的成本来思考，是不是更酷？本期节目，我们就从几篇最新论文出发，看看AI如何学会当一个聪明的“调度员”，如何像学徒一样承认“不确定性”来学得更快，甚至如何通过“复盘”和“划重点”来真正实现“吃一堑、长一智”。准备好，一起探索AI更聪明、更高效的进化之路吧！ 00:00:33 AI大模型的小秘密：如何用一个“小团队”，干翻一个“大公司”？ 00:05:55 聪明的“笨功夫”：如何让机器人学得更快？ 00:12:08 让AI学会“吃一堑、长一智”，需要几步？ 00:17:27 AI的“七秒记忆”难题，如何用“划重点”来解决？ 00:23:06 机器人学徒：如何从“笨拙模仿”到“青出于蓝”？ 本文介绍的几篇论文： [CL] Sigma-Moe-Tiny Technical Report [Microsoft Research] https://arxiv.org/abs/2512.16248 --- [LG] Posterior Behavioral Cloning: Pretraining BC Policies for Efficient RL Finetuning [UC Berkeley & Stanford] https://arxiv.org/abs/2512.16911 --- [LG] Meta-RL Induces Exploration in Language Agents [EPFL & Idiap Research Institute] https://arxiv.org/abs/2512.16848 --- [LG] Kascade: A Practical Sparse Attention Method for Long-Context LLM Inference [Microsoft Research India] https://arxiv.org/abs/2512.16391 --- [RO] ReinforceGen: Hybrid Skill Policies with Automated Data Generation and Reinforcement Learning [University of Toronto & Georgia Institute of Technology & NVIDIA Research] https://arxiv.org/abs/2512.16861