![[人人能懂] 从自我反思、按需暗示到突破奖励](https://image.xyzcdn.net/FuDP4HpAp8ezgVZMmEel3mblKCmJ.jpg@small)
124
0我们都希望AI越来越聪明，但它究竟是如何“开窍”的呢？本期节目，我们将深入AI的大脑，看看它如何拥有自己的“错题本”进行考场反思，又如何通过“自我暗示”突破学习瓶颈。我们还会探讨AI“思考”背后看不见的成本，以及一种更聪明的奖励机制，如何让AI偏爱攻克难题。最后，看看这一切如何让AI从一个工具，变成我们真正的“科研合伙人”。
00:00:32 你的错题本，AI现在也学会了
00:05:36 你的下一位科研合伙人，可能不是人
00:12:57 为什么AI有时“装傻”，算力背后的隐形成本
00:19:22 AI学习卡壳了怎么办？让它自己给自己提个醒
00:23:55 AI训练的“差生”偏爱法则
本期介绍的几篇论文：
[CL] Test-time Recursive Thinking: Self-Improvement without External Feedback
[Microsoft Research]
---
[CL] Accelerating Scientific Research with Gemini: Case Studies and Common Techniques
[Google Research]
---
[LG] Reasoning about Reasoning: BAPO Bounds on Chain-of-Thought Token Complexity in LLMs
[Microsoft Research & Netflix]
---
[LG] Self-Hinting Language Models Enhance Reinforcement Learning
[Microsoft Research]
---
[LG] Maximum Likelihood Reinforcement Learning
[CMU & Tsinghua University & Zhejiang University]
