当AI变得越来越强大，我们还能从哪些地方挖掘它的潜力呢？本期我们聚焦几篇思路极其巧妙的最新论文，它们不约而同地告诉我们：真正的飞跃，不一定来自更大的模型，而来自更聪明的工作方式。我们将一起探讨，AI如何学会为自己省下90%的训练开销，如何免费装上“直觉”来审时度势，又是如何通过“抓重点”实现一目十行。更重要的是，我们将看到科学家们如何努力为整个AI行业的发展，打造一把统一的“度量衡”。

00:00:38 AI调参省钱术：从“大力出奇迹”到“聪明省力气”

00:07:44 AI绘画，如何从“慢跑”变“冲刺”？

00:13:11 给AI发展装上一个统一的度量衡

00:19:25 如何免费给AI装上“直觉”？

00:24:56 AI“一目十行”的秘密：不靠算力，靠“会抓重点”

本期介绍的几篇论文：

[LG] Efficient Hyperparameter Search for Non-Stationary Model Training

[Google DeepMind & Google Research]

https://arxiv.org/abs/2512.01258

---

[CV] Improved Mean Flows: On the Challenges of Fastforward Generative Models

[CMU & THU & Adobe]

https://arxiv.org/abs/2512.02012

---

[AI] A Rosetta Stone for AI Benchmarks

[Google DeepMind]

https://arxiv.org/abs/2512.00193

---

[LG] ZIP-RC: Zero-overhead Inference-time Prediction of Reward and Cost for Adaptive and Interpretable Generation

[UC Berkeley & MIT]

https://arxiv.org/abs/2512.01457

---

[LG] Accelerating Large-Scale Reasoning Model Inference with Sparse Self-Speculative Decoding

[UC Berkeley & MIT & University of Washington]

https://arxiv.org/abs/2512.01278