AI可可AI生活

我们都知道AI越来越强大，但你有没有想过，我们该如何让它跑得更快、更稳，甚至更“多才多艺”？本期节目，我们将一起探索几篇最新论文，看看科学家们是如何给AI的训练过程装上一个更稳健的导航系统，并揭开AI绘画高手背后“民间偏方”的科学原理。我们还会聊到，如何像培养一个“通才”一样，让一个AI同时学会两百件事。最后，我们将见证两种神奇的“魔法”：如何在没有数据的情况下给大模型高效“瘦身”，以及如何对一个黑箱模型进行精准的“微创手术”。00:00:41 如何给AI装上一个更聪明的“导航系统”00:05:19 AI绘画高手，背后藏着什么训练秘诀？00:11:06 AI通才养成记：如何让一个机器学会200件事？00:17:12 AI模型“瘦身”，如何做到无米之炊？00:25:14 给AI模型做微创手术，需要几步？本期介绍的几篇论文：[LG] ROOT: Robust Orthogonalized Optimizer for Neural Network Training  [Huawei Noah’s Ark Lab]  https://arxiv.org/abs/2511.20626 ---[LG] Demystifying Diffusion Objectives: Reweighted Losses are Better Variational Bounds  [Google DeepMind]  https://arxiv.org/abs/2511.19664 ---[LG] Learning Massively Multitask World Models for Continuous Control  [University of California San Diego]  https://arxiv.org/abs/2511.19584 ---[LG] CafeQ: Calibration-free Quantization via Learned Transformations and Adaptive Rounding  [Google]  https://arxiv.org/abs/2511.19705 ---[LG] ModHiFi: Identifying High Fidelity predictive components for Model Modification  [CSA, IISc & HP Inc. AI Lab & Google]  https://arxiv.org/abs/2511.19566 

AI的学习和思考方式正在发生一场静悄悄的革命。这一期的最新论文，将带我们深入AI的“思维”深处：从和AI陪练一起进化的动态标准，到扔掉秘籍、只学“心法”的速成功夫；从让AI睁开“心眼儿”看懂空间，到将你的指令变成它的“临时大脑”；最后，我们还会看看如何治好AI写作的“耿直病”，让它变得更聪明、更高效。准备好了吗？让我们一起探索AI如何变得更像我们。00:00:36 让AI成为一个既聪明又靠谱的研究助理00:05:51 想学绝世武功，非得有本秘籍吗？00:10:25 让AI睁开‘心眼儿’看世界00:14:33 你的指令，如何成为AI的临时大脑？00:19:45 AI写稿太慢？也许是它太“耿直”了本期介绍的几篇论文：[CL] DR Tulu: Reinforcement Learning with Evolving Rubrics for Deep Research[University of Washington & Allen Institute for AI & MIT]https://arxiv.org/abs/2511.19399---[LG] Flow Map Distillation Without Data[MIT & NYU]https://arxiv.org/abs/2511.19428---[CV] Chain-of-Visual-Thought: Teaching VLMs to See and Think Better with Continuous Visual Tokens[UC Berkeley & UCLA]https://arxiv.org/abs/2511.19418---[LG] Equivalence of Context and Parameter Updates in Modern Transformer Blocks[Google Research]https://arxiv.org/abs/2511.17864---[LG] CDLM: Consistency Diffusion Language Models For Faster Sampling[Seoul National University & UC Berkeley]https://arxiv.org/abs/2511.19269

今天我们要聊的，不是AI模型又变大了多少，而是它们如何从内部变得更“聪明”。我们将看到，最新的论文如何教会AI从“指哪打哪”的工具，进化为能“懂你意思”的助手；又如何让强大的AI科学家学会“混圈子”，融入人类的协作生态。我们还会探讨，AI如何拥有“预算意识”，像个聪明的管家一样精打细算；以及当AI变小时，为什么最先退化的竟然是“眼力”而不是“脑力”。最后，我们还会揭秘AI“高考”中的乌龙事件，看看科学家们如何给AI的“评分尺”纠偏，这一切都指向了AI发展的新方向。00:00:42 让电脑学会“指哪打哪”之后，我们如何教它“看懂”？00:06:05 AI也能当科学家？关键要先学会“混圈子”00:11:20 聪明的AI，是如何学会“省钱”的？00:16:17 AI的“高考”，谁来检查试卷的错别字？00:21:14 AI变笨的秘密：为什么“眼力”比“脑力”更脆弱？本期介绍的几篇论文：[CV] SAM 3: Segment Anything with Concepts[Meta Superintelligence Labs]https://arxiv.org/abs/2511.16719---[AI] OmniScientist: Toward a Co-evolving Ecosystem of Human and AI Scientists[Tsinghua University]https://arxiv.org/abs/2511.16931---[LG] Budget-Aware Tool-Use Enables Effective Agent Scaling[Google Cloud AI Research & Google DeepMind & UC Santa Barbara]https://arxiv.org/abs/2511.17006---[LG] Fantastic Bugs and Where to Find Them in AI Benchmarks[Stanford University]https://arxiv.org/abs/2511.16842---[CV] Downscaling Intelligence: Exploring Perception and Reasoning Bottlenecks in Small Multimodal Models[Stanford University]https://arxiv.org/abs/2511.17487

今天，我们不聊AI有多神奇，而是要给它来一次全面的“体检”，看看它那道看不见的“玻璃天花板”究竟在哪。接着，我们会颠覆你对AI训练的认知，看看它除了“上课”，如何像生物一样“演化”，以及它强大的推理能力背后，是否藏着一套需要我们帮它解锁的“思维地图”。最后，我们会发现，无论是教它解奥赛难题，还是教它做家务，最聪明的办法，可能都藏在我们自己的学习和生活经验里。准备好，让我们一起揭开AI光环背后的真实运作逻辑！00:00:38 AI的玻璃天花板：为什么模型越大，犯的错越“自信”？00:08:26 训练AI，除了“上课”还能“生娃”？00:14:31 AI的“聪明”难题：为什么它能解奥数，却像个没头苍蝇？00:21:39 AI的“题海战术”，跟我们有啥不一样？00:27:36 一副眼镜，如何成为灵巧机器人的“私教”？本期介绍的几篇论文：[LG] On the Fundamental Limits of LLMs at Scale[Stanford University & The University of Oklahoma]https://arxiv.org/abs/2511.12869---[LG] Evolution Strategies at the Hyperscale[FLAIR - University of Oxford & WhiRL - University of Oxford]https://arxiv.org/abs/2511.16652---[LG] Cognitive Foundations for Reasoning and Their Manifestation in LLMs[University of Illinois Urbana-Champaign & University of Washington & Princeton University]https://arxiv.org/abs/2511.16660---[LG] P1: Mastering Physics Olympiads with Reinforcement Learning[Shanghai AI Laboratory]https://arxiv.org/abs/2511.13612---[RO] Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations[New York University & Meta]https://arxiv.org/abs/2511.16661

我们总惊叹AI越来越聪明，但你有没有想过，它为什么也越来越会“一本正经地胡说八道”？我们又该如何教会它回归事物的本质，甚至理解整个物理世界的运行规律？而当一个AI变得如此强大时，为什么一句简单的诗，就能轻易攻破它的安全防线？今天，我们就从几篇最新论文出发，一起聊聊AI光环之下的真实面貌。00:00:29 AI：一个既聪明又靠不住的“好学生”00:05:23 AI画画：为什么“猜噪音”不如“看本质”？00:10:13 为什么聪明的AI也爱“一本正经地胡说八道”？00:14:35 AI当学霸：如何用一个模型，通晓万物运行之道00:19:54 为什么AI大模型，偏偏就怕“文化人”？本期介绍的几篇论文：[LG] Structural Inducements for Hallucination in Large Language Models[University of Maryland]https://www.researchgate.net/publication/397779918_Structural_Inducements_for_Hallucination_in_Large_Language_Models_An_Output-Only_Case_Study_and_the_Discovery_of_the_False-Correction_Loop_An_Output-Only_Case_Study_from_Extended_Human-AI_Dialogue_Str---[CV] Back to Basics: Let Denoising Generative Models Denoise[MIT]https://arxiv.org/abs/2511.13720---[CL] AA-Omniscience: Evaluating Cross-Domain Knowledge Reliability in Large Language Models[Artificial Analysis]https://arxiv.org/abs/2511.13029---[LG] Walrus: A Cross-Domain Foundation Model for Continuum Dynamics[Flatiron Institute & University of Cambridge]https://arxiv.org/abs/2511.15684---[CL] Adversarial Poetry as a Universal Single-Turn Jailbreak Mechanism in Large Language Models[DEXAI – Icaro Lab]https://arxiv.org/abs/2511.15304

今天我们不只聊AI能做什么，更要揭秘它是“如何”做到的，聊聊那些让AI变得更聪明、更高效的“幕后机制”。我们将看到，AI如何像一个科研搭档一样与人协作，又如何通过一个巧妙的“飞轮”学会从一张照片脑补出三维世界。我们还会发现，AI怎样通过给自己出题、换上新引擎，甚至给自己当“私教”来实现自我进化，打破能力瓶颈。准备好了吗？让我们一起探寻这些驱动AI飞跃的精妙设计。00:00:35 你的下一个同事，可能不是人00:07:57 一张照片，一个世界：我们如何“脑补”出三维？00:13:22 AI自己教自己，怎么才能不原地踏步？00:18:06 AI造句新高速：换个引擎，解决堵车问题00:22:49 AI的私教课：让聪明的芯片更聪明本期介绍的几篇论文：[CL] Early science acceleration experiments with GPT-5[OpenAI & University of Oxford]https://arxiv.org/abs/2511.16072---[CV] SAM 3D: 3Dfy Anything in Images[Meta Superintelligence Labs]https://arxiv.org/abs/2511.16624---[LG] Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning[UNC-Chapel Hill]https://arxiv.org/abs/2511.16043---[LG] Breaking the Bottleneck with DiffuApriel: High-Throughput Diffusion LMs with Mamba Backbone[Mila – Quebec AI Institute & ServiceNow Research]https://arxiv.org/abs/2511.15927---[LG] AccelOpt: A Self-Improving LLM Agentic System for AI Accelerator Kernel Optimization[Stanford University & Amazon Web Services]https://arxiv.org/abs/2511.15915

你有没有想过，最顶尖的AI是如何思考的？本期节目，我们将从四篇最新论文出发，揭示AI成长的秘密：有时，思路的宽度比深度更重要；有时，机器也需要演化出难以言喻的“品味”；甚至，它还需要学会“左手画方、右手画圆”的协同技巧，并懂得在关键时刻，用恰当的“约束”来避免犯下最聪明的傻错误。准备好了吗？让我们一起潜入AI思考的深水区。00:00:34 AI搞科研，拼的不是智商，而是“思路宽”00:05:32 如何让机器拥有“数学品味”？00:10:30 AI思考，也需要“左手画方，右手画圆”？00:16:58 为什么最聪明的工具，反而最容易犯傻？本期介绍的几篇论文：[AI] What Does It Take to Be a Good AI Research Agent? Studying the Role of Ideation Diversity  [FAIR at Meta]  https://arxiv.org/abs/2511.15593 ---[LG] Learning Interestingness in Automated Mathematical Theory Formation  [UT Austin]  https://arxiv.org/abs/2511.14778 ---[CV] Think Visually, Reason Textually: Vision-Language Synergy in ARC  [The Chinese University of Hong Kong & Shanghai AI Laboratory]  https://arxiv.org/abs/2511.15703 ---[LG] CODE: A global approach to ODE dynamics learning  [University of Stuttgart & Stanford University]  https://arxiv.org/abs/2511.15619 

你有没有想过，让AI变得更聪明，不一定需要更强的算力，也许只需要换个“姿势”看问题？本期节目，我们将一起探索几篇最新论文，看看AI如何通过像艺术家一样思考、像高明的交通协管员一样调度、甚至像耐心的学生一样“分步走”，来解决那些曾经的无解难题。更神奇的是，我们还会发现，当AI学会结合语言和演示来猜测我们心思的时候，它其实也在教我们如何更有效地沟通。准备好了吗？让我们马上进入今天的前沿之旅。00:00:36 换个姿势，AI也能像人一样思考？00:05:29 AI画画，能不能别再“三班倒”了？00:12:14 AI变聪明的秘密：不是更猛，而是更有耐心00:16:54 AI训练场上的“交通协管员”00:22:42 机器人“猜”心思的秘密本期介绍的几篇论文：[CV] ARC Is a Vision Problem![MIT]https://arxiv.org/abs/2511.14761---[CV] Diffusion As Self-Distillation: End-to-End Latent Diffusion In One Model[Peking University]https://arxiv.org/abs/2511.14716---[CV] Step by Step Network[Tsinghua University]https://arxiv.org/abs/2511.14329---[LG] Seer: Online Context Learning for Fast Synchronous LLM Reinforcement Learning[Moonshot AI]https://arxiv.org/abs/2511.14617---[RO] Masked IRL: LLM-Guided Reward Disambiguation from Demonstrations and Language[MIT CSAIL]https://arxiv.org/abs/2511.14565

你有没有想过，能写诗作画的AI，为什么有时却像个固执的孩子？本期我们要聊的几篇最新论文，就试图教会AI一些我们习以为常、但它却难以理解的人类智慧。我们将一起看看，如何治好AI的“路痴”症，让它拥有空间感；如何让它从被动看图，变身主动破案的“侦探”；甚至，如何通过巧妙的“换个姿势”，让它终于听懂“不要”，并随心所欲地调整观察事物的“粒度”。00:00:33 人工智能的“路痴”难题00:05:24 AI侦探，如何给千米大桥做“体检”？00:09:59 从“你猜”到“你定”：AI图像分割的新玩法00:14:45 换个姿势，让AI听懂“不要”本期介绍的几篇论文：[CV] Scaling Spatial Intelligence with Multimodal Foundation Models  [SenseTime Research]  https://arxiv.org/abs/2511.13719 ---[CV] BridgeEQA: Virtual Embodied Agents for Real Bridge Inspections  [University of Houston]  https://arxiv.org/abs/2511.12676 ---[CV] UnSAMv2: Self-Supervised Learning Enables Segment Anything at Any Granularity  [UC Berkeley]  https://arxiv.org/abs/2511.13714 ---[CV] SpaceVLM: Sub-Space Modeling of Negation in Vision-Language Models  [MIT]  https://arxiv.org/abs/2511.12331 

你有没有想过，最顶尖的AI，它的智慧可能不是体现在无所不知，而是敢于坦诚地说出“我不知道”？本期节目，我们将一起探索AI如何学会这项宝贵的品质。我们还会揭秘，如何给AI装上一双“眼睛”让它在嘈杂派对里也能跟你轻松对话，如何用一个优美的公式教会它“速读”长篇报告，甚至让一份200页的PDF自己开口说话，并在一秒内找到AI画作的灵感“祖先”。准备好了吗？让我们一起进入AI更深邃、更智慧的内心世界。00:00:39 AI画画的灵感，能秒速溯源吗？00:06:29 大模型读书慢？给它一副聪明的“速读眼镜”00:12:13 给AI一双眼睛，让它学会“察言观色”00:16:37 AI的最高智慧，是承认自己不知道00:22:56 如何让一份200页的PDF，自己开口说话？本期介绍的几篇论文：[CV] Fast Data Attribution for Text-to-Image Models[CMU & Adobe Research & UC Berkeley]https://arxiv.org/abs/2511.10721---[LG] Optimizing Mixture of Block Attention[MIT]https://arxiv.org/abs/2511.11571---[CL] AV-Dialog: Spoken Dialogue Models with Audio-Visual Input[University of Washington & Meta AI Research]https://arxiv.org/abs/2511.11124---[LG] Honesty over Accuracy: Trustworthy Language Models through Reinforced Hesitation[Toyota Technological Institute at Chicago & University of California, San Diego]https://arxiv.org/abs/2511.11500---[CL] Information Extraction From Fiscal Documents Using LLMs[Google Inc & XKDR Forum]https://arxiv.org/abs/2511.10659

想让AI更聪明，答案一定是用更多数据喂出个更大的模型吗？本期我们要聊点不一样的：当AI不再单打独斗，而是组建起一支“交响乐团”；当它不再追求更大，而是学会了“反复琢磨”；当它甚至能像武林高手一样开启“自我修炼”。我们将从几篇最新论文出发，看看AI如何从理解微观世界的“集体舞步”，到为自己的想象力配上一本“物理说明书”，走上一条更聪明的进化之路。00:00:31 AI制药，也需要一个“交响乐团”？00:05:32 人工智能的“自我修炼”手册00:11:46 如何预测一群舞者的集体舞步？00:17:16 AI变聪明的捷径：不是更大，而是更深00:22:03 给AI视频配一本“物理说明书”本期介绍的几篇论文：[LG] MADD: Multi-Agent Drug Discovery Orchestra  [ITMO University]  https://arxiv.org/abs/2511.08217 ---[LG] AgentEvolver: Towards Efficient Self-Evolving Agent System  [Tongyi Lab]  https://arxiv.org/abs/2511.10395 ---[LG] Entangled Schrödinger Bridge Matching  [University of Pennsylvania & Duke-NUS Medical School]  https://arxiv.org/abs/2511.07406 ---[CL] Teaching Pretrained Language Models to Think Deeper with Retrofitted Recurrence  [University of Maryland & New York University]  https://arxiv.org/abs/2511.07384 ---[RO] Robot Learning from a Physical World Model  [Google DeepMind & USC]  https://arxiv.org/abs/2511.07416 

你有没有想过，AI的大脑里到底是什么样？今天我们就来一次深度探险，看看最新论文如何为我们绘制出AI的“乐高说明书”，又如何让它兼顾深思熟虑与脱口而出。我们还会把AI送上喜剧舞台，一探它那难以共情的奇特笑点，甚至把它放进一个虚拟“空间站”，看它能否成为真正的科学家。最后，我们会聊一个大趋势：AI正在悄悄地从遥远的云端，搬到你我的身边。00:00:31 AI的“乐高”说明书00:06:17 让AI既能深思熟虑，又能脱口而出00:11:07 AI的笑点，为什么我们Get不到？00:15:29 AI科学家，告别流水线00:21:19 AI大变局：从云端到你身边本期介绍的几篇论文：[LG] Weight-sparse transformers have interpretable circuits  [OpenAI]  https://cdn.openai.com/pdf/41df8f28-d4ef-43e9-aed2-823f9393e470/circuit-sparsity-paper.pdf---[CL] TiDAR: Think in Diffusion, Talk in Autoregression  [NVIDIA]  https://arxiv.org/abs/2511.08923 ---[CL] Assessing the Capabilities of LLMs in Humor: A Multi-dimensional Analysis of Oogiri Generation and Evaluation  [Hitotsubashi University]  https://arxiv.org/abs/2511.09133 ---[LG] The Station: An Open-World Environment for AI-Driven Discovery  [Dualverse AI]  https://arxiv.org/abs/2511.06309 ---[LG] Intelligence per Watt: Measuring Intelligence Efficiency of Local AI  [Stanford University]  https://arxiv.org/abs/2511.07885 

如何让AI更聪明、更可靠？这期节目，我们将颠覆你的好几个固有认知。我们会发现，让小模型拥有大师风范的最佳方式，竟是引入一场“鉴赏家”参与的博弈；而AI最好的记忆方法，有时反而是那个最“笨”的。接着，我们将探讨如何用一张“考试大纲”驯服AI，又如何给它内置一个“苏格拉底”进行自我纠错。最后，我们还会揭秘，AI是如何从仅仅“听到”音乐，进化到能够“听懂”音乐背后的高级情感与故事的。00:00:37 让你的小模型，拥有宗师风范00:05:09 为什么说，最笨的方法，是AI最好的记忆方法？00:10:30 AI的“考试大纲”：我们如何让它更听话？00:15:54 如何让AI少犯错？给它一个内置的“苏格拉底”00:21:06 从“好听”到“高级”：AI如何学会聊音乐？本期介绍的几篇论文：[CL] Black-Box On-Policy Distillation of Large Language Models  [Microsoft Research]  https://arxiv.org/abs/2511.10643 ---[CL] Convomem Benchmark: Why Your First 150 Conversations Don't Need RAG  [Salesforce AI Research]  https://arxiv.org/abs/2511.10523 ---[CL] Rubric-Based Benchmarking and Reinforcement Learning for Advancing LLM Instruction Following  [Meta Superintelligence Labs & Princeton University]  https://arxiv.org/abs/2511.10507 ---[CL] SSR: Socratic Self-Refine for Large Language Model Reasoning  [Salesforce AI Research]  https://arxiv.org/abs/2511.10621 ---[AS] Music Flamingo: Scaling Music Understanding in Audio Language Models  [NVIDIA & University of Maryland]  https://arxiv.org/abs/2511.10289 

你有没有想过，让AI更强大，除了把它做得更大，还有哪些更聪明的办法？今天我们就来聊聊几篇最新的论文，它们不约而同地指向了“思维品质”的提升。我们将看到AI如何学会像人一样看“大局”，如何用“人海战术”的群体智慧实现零失误，甚至如何拥有一个可以推演未来的“虚拟世界”。我们还会探讨，如何通过给AI的思维“剪枝”，以及鼓励“多样性”，让它变得既聪明又不无聊。00:00:34 让AI学会“看大局”，会发生什么？00:05:38 “笨蛋”的胜利：当AI学会了“人海战术”00:10:57 如何给AI一个可以推演未来的世界？00:16:21 为什么AI越来越像个只会复读的“乖孩子”？00:21:23 给AI的思维“剪枝”，让它想得又快又好本文介绍的几篇论文：[LG] Aligning machine and human visual representations across abstraction levels[University of Maryland]https://arxiv.org/abs/2505.11080---[LG] Solving a Million-Step LLM Task with Zero Errors[Cognizant AI Lab]https://arxiv.org/abs/2511.09030---[CV] PAN: A World Model for General, Interactable, and Long-Horizon World Simulation[Mohamed bin Zayed University of Artificial Intelligence]https://arxiv.org/abs/2511.09057---[CL] Diverse Preference Learning for Capabilities and Alignment[MIT CSAIL]https://arxiv.org/abs/2511.08594---[CL] Chopping Trees: Semantic Similarity Based Dynamic Pruning for Tree-of-Thought Reasoning[Algoverse AI Research]https://arxiv.org/abs/2511.08595

今天我们来聊一个特别有意思的话题：AI的“内心世界”。我们总惊叹于AI的强大，但它在学习时，究竟是大刀阔斧地改造自己，还是在悄悄地“偷懒”走捷径？当AI开始模仿人类的身体，甚至尝试像科学家一样思考，它离真正的创造还有多远？更重要的是，我们如何才能听到AI的“真心话”，而不是精心编排的场面话？今天，我们就从五篇最新论文出发，一起探寻AI大脑深处的秘密。00:00:36 AI训练的“第一性原理”：大道至简00:06:38 机器人告别“笨拙”的秘密武器00:11:49 AI进化的秘密：为什么最聪明的学习，看起来最“懒”？00:18:46 AI的“真心话”，能教出来吗？00:22:51 AI当“科学家”，靠的是两位“老师”本期介绍的几篇论文：[LG] LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics[Brown University & New York University]https://arxiv.org/abs/2511.08544---[RO] SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control[Nvidia]https://arxiv.org/abs/2511.07820---[LG] The Path Not Taken: RLVR Provably Learns Off the Principals[Meta AI & The University of Texas at Austin]https://arxiv.org/abs/2511.08567---[CL] Training Language Models to Explain Their Own Computations[Transluce & MIT CSAIL]https://arxiv.org/abs/2511.08579---[CL] AlphaResearch: Accelerating New Algorithm Discovery with Language Models[Tsinghua University & New York University & Yale University]https://arxiv.org/abs/2511.08522