[人人能懂AI前沿] AI学会了抄近路、换引擎和吃“后悔药”

你有没有想过，AI也能不走寻常路，学会“抄近路”写文章吗？或者，当AI陷入追求高分的“内卷陷阱”时，我们该怎么教它“最小化遗憾”而不是盲目刷分？本期节目，我们将从几篇最新的论文出发，看看AI如何通过更换“发动机”、打通不同门派的“武功”，甚至用更少的考题更精准地对齐我们的真实感受，实现一次漂亮的思维跃迁。

00:00:30 抄近路，人工智能学会了新“导航术”

00:05:34 AI的“注意力”，正在成为它的“负担”

00:10:42 AI的“高分陷阱”，我们怎样教得更聪明？

00:16:51 当规则遇上“混沌”，AI大神们的两种武功，原来同宗同源

00:23:38 为什么最好的考卷，题目反而最少？

本期介绍的几篇论文：

[LG] Consistent Diffusion Language Models

[Microsoft & Purdue University]

arxiv.org

---

[LG] Caracal: Causal Architecture via Spectral Mixing

[Huawei Technologies]

arxiv.org

---

[LG] Wasserstein Distributionally Robust Regret Optimization for Reinforcement Learning from Human Feedback

[University of North Carolina & Imperial College London & Stanford University]

arxiv.org

---

[LG] Trees to Flows and Back: Unifying Decision Trees and Diffusion Models

[Technical University of Munich]

arxiv.org

---

[CL] Putting HUMANS first: Efficient LAM Evaluation with Human Preference Alignment

[University of Southern California & Stanford University]

arxiv.org