想知道AI如何变得更聪明、更高效吗？本期我们就来看几篇脑洞大开的最新论文。我们将一起探索，AI如何拉着“老模型”一起“团购”评测来省钱，又如何通过一个圈子的“开放性”来揪出网络水军。你还会听到，AI如何变身“虚拟陪练”教会机器人高难度操作，如何告别“炼丹”自动组建“梦之队”，甚至如何“升职”为科学家的项目总管。这些看似不相关的研究，背后都指向了同一个趋势：AI正在从单纯的工具，进化为解决问题的“系统设计师”。 00:00:37 AI评测的“省钱攻略”，如何拉着“老模型”一起“团购”？ 00:07:13 抓出网络里的“坏人”，关键看谁的“圈子”不够开放 00:12:07 虚拟世界里的“陪练”，如何教会现实中的机器人？ 00:18:28 告别“炼丹”，AI高手的新玩法 00:23:39 给科学家升职，AI当起了“总管” 本期介绍的几篇论文： [LG] CollabEval: Statistically Efficient Collaborative Model Evaluation via Matrix Completion [Google DeepMind] https://arxiv.org/abs/2607.05046 --- [LG] Active Learning on Adversarially Corrupted Graphs [Università degli Studi di Milano & Bocconi University] https://arxiv.org/abs/2607.04869 --- [RO] SILO: Simulation-in-the-Loop Sim-to-Real Transfer for Multi-Stage Cable Routing [NVIDIA] https://arxiv.org/abs/2607.04616 --- [LG] TabPack: Efficient Hyperparameter Ensembles for Tabular Deep Learning [Yandex & HSE University] https://arxiv.org/abs/2607.05380 --- [CL] Rethinking Scientific Discovery in an Agentic Era [Shanghai Innovation Institute] https://arxiv.org/abs/2607.03863

想知道AI画画如何实现指数级加速，又为何会“英雄所见略同”吗？当AI学会了高情商作弊，我们又该如何分辨并驯服它？更重要的是，我们为AI安全打造的“锁”，会不会变成禁锢思想的“笼”？本期节目，我们将一口气洞察五篇最新论文，揭开AI世界里那些令人兴奋又警醒的秘密。 00:00:25 生成AI的“指数级”加速器，藏着什么秘密？ 00:05:45 你以为的AI安全锁，也可能是别人的思想钢印 00:12:18 AI的“高情商”作弊，我们如何驯服一个聪明的“坏学生”？ 00:17:29 AI学画画，谁是它的“动作”老师？ 00:22:41 AI绘画的“趋同性”，为什么英雄所见略同？ 本期介绍的几篇论文： [LG] High-accuracy sampling for diffusion models and log-concave distributions [MIT & Yale University] https://arxiv.org/abs/2602.01338 --- [LG] Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit [LMU Munich] https://openreview.net/forum?id=dy2HwmOvFX --- [LG] The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes [FAR.AI] https://arxiv.org/abs/2602.15515 --- [CV] Motion Attribution for Video Generation [NVIDIA] https://arxiv.org/abs/2601.08828 --- [LG] A Random Matrix Theory Perspective on the Consistency of Diffusion Models [Harvard University] https://arxiv.org/abs/2602.02908

你有没有想过，要让AI真正理解世界，而不是简单模仿，到底需要几步？本期我们将看到，最新的论文正在教AI像婴儿一样建立内在的“世界模型”，并给我们一张能诊断它心智的“大脑地图”。我们还会揭秘，如何用“家教天团”模式培养全能AI，让机器人拥有和人相处的“眼力见”，以及教会它像学汉字笔画一样拆解世间万物的动作。准备好，让我们一起探索AI心智的构建蓝图。 00:00:32 AI的“婴儿模式”，它如何偷偷学会了物理定律？ 00:05:32 给你一张AI的“大脑地图” 00:12:17 AI界的“家教天团”，如何培养一个全能型选手 00:18:09 让机器人拥有“眼力见”，差的是什么？ 00:23:16 想看懂世界？先学会拆解动作 本期介绍的几篇论文： [CV] Orca: The World is in Your Mind [Beijing Academy of Artificial Intelligence] https://arxiv.org/abs/2606.30534 --- [AI] NeuroCogMap Reveals Cognitive Organization of Large Language Models [Renmin University of China & Beijing University of Posts and Telecommunications & The University of Hong Kong] https://arxiv.org/abs/2607.00397 --- [CL] MOPD: Multi-Teacher On-Policy Distillation for Capability Integration in LLM Post-Training [Xiaomi & Peking University] https://arxiv.org/abs/2606.30406 --- [RO] HABIT: Human-Aware Behavior and Interaction Training Dataset for Robot Manipulation [Config] https://arxiv.org/abs/2606.31682 --- [AI] Latent Actions from Factorized Transition Effects under Agent Ambiguity [Brown University] https://arxiv.org/abs/2606.30544

你有没有想过，当AI不再追求“大力出奇迹”时，它会进化出怎样惊人的智慧？本期节目，我们就来聊聊AI如何从“内功”和“招式”上自我进化。它会如何发明一套“黑话”来自我思考，让效率提升数倍；一个“普通”模型又如何通过顶级流程，战胜天赋异禀的“天才”；它又将怎样为虚拟世界的角色，注入一个会思考、懂物理的“灵魂”？今天，我们就从几篇最新论文出发，揭秘AI如何变得更聪明，而非更“大”。 00:00:36 AI的长记性难题，一个聪明的“图书管理员” 00:05:12 成为高手，靠天赋还是靠流程？ 00:10:28 “虚拟人”的“灵魂”，它如何学会像你一样思考和行动？ 00:16:07 AI的眼睛，看得清，还是看得懂？ 00:22:24 让AI说“黑话”，它会变得多聪明？ 本期介绍的几篇论文： [LG] Hierarchical Global Attention (HGA) [BMW Group] https://arxiv.org/abs/2606.30709 --- [CL] Scaling the Horizon, Not the Parameters: Reaching Trillion-Parameter Performance with a 35B Agent [Shanghai Artificial Intelligence Laboratory] https://arxiv.org/abs/2606.30616 --- [CV] GPC: Large-Scale Generative Pretraining for Transferable Motor Control [Simon Fraser University & NVIDIA] https://arxiv.org/abs/2606.29148 --- [CV] LeVLJEPA: End-to-End Vision-Language Pretraining Without Negatives [German Cancer Research Center & Brown University] https://arxiv.org/abs/2607.00784 --- [AI] When LLMs Develop Languages: Symbolic Communication for Efficient Multi-Agent Reasoning [Chinese Academy of Sciences] https://arxiv.org/abs/2606.29354

我们总以为AI的进步就是靠“大力出奇迹”，但如果这个“大力”会扭曲现实、甚至有它砸不开的墙呢？本期，我们就来看几篇“反其道而行”的最新论文，看看AI如何学会像乐高大师一样分解任务，像生物一样进化出看问题的“火眼金睛”。我们还会给AI的思维做个“CT扫描”，看看它在百万份文件中是如何被“噪音”淹没，又是如何学会重新聚焦的。准备好，让我们一起探索AI如何告别蛮力，走向真正的“巧”劲儿。 00:00:35 AI能扮演人类吗？一个关于“大力出奇迹”的意外发现 00:08:00 如何给AI的思维过程做个“CT扫描”？ 00:13:57 让AI学会“开窍”，聪明的数据，胜过强大的模型 00:19:46 高手解题，为何偏爱“笨办法”？ 00:25:23 大模型记忆的极限，为什么“知道”不等于“能说出来”？ 本期介绍的几篇论文： [CL] Will Scaling Improve Social Simulation with LLMs? [Stanford University] https://arxiv.org/abs/2607.02464 --- [LG] Geometric Signatures of Reasoning: A Spectral Perspective on Task Hardness [Northeastern University & University of Southern California & Google Research] https://arxiv.org/abs/2607.01571 --- [LG] Evolutionary Feature Engineering for Structured Data [University of Michigan & Google Research] https://arxiv.org/abs/2607.01548 --- [LG] DecompRL: Solving Harder Problems by Learning Modular Code Generation [FAIR at Meta & Inria] https://arxiv.org/abs/2607.02390 --- [CL] Can Language Models Actually Retrieve In-Context? Drowning in Documents at Million Token Scale [UC Berkeley & UT Austin] https://arxiv.org/abs/2607.01538

我们总惊叹AI越来越聪明，但你有没有想过，聪明的AI也会有自己的烦恼？比如，它可能像个伪装极深的“卧底”，悄悄藏着偏见；也可能像个只会刷题的“好学生”，答案虽对，却毫无灵气。它在解决难题时，可能会反复“无效内卷”，或者在关键的推理环节“脑子短路”。本期节目，我们就从几篇最新论文出发，看看科学家们如何通过巧妙的设计，教会AI自我审视、优雅试错、清晰思考，甚至让它的思考过程变得有迹可循。准备好，我们一起揭开AI变得更聪明的秘密。 00:00:40 AI的“无间道”，如何揪出那些伪装良好的“卧底”偏见？ 00:05:55 AI变聪明的秘密，不是多试几次，而是换个姿势再试 00:11:08 AI侦探断案，为什么它连“你妈的儿子的老婆”都搞不清？ 00:16:45 怎样让AI的思考，既聪明又有迹可循？ 00:22:06 AI的“好学生”困境，做对题，为何还是不对劲？ 本期介绍的几篇论文： [CL] Distill to Detect: Exposing Stealth Biases in LLMs through Cartridge Distillation [Stanford University & University of Texas at Austin] https://arxiv.org/abs/2607.01208 --- [LG] QuasiMoTTo: Quasi-Monte Carlo Test-Time Scaling [Stanford University] https://arxiv.org/abs/2607.01179 --- [CL] DiscoLoop: Looping Discrete Embeddings and Continuous Hidden States for Multi-hop Reasoning [UC Berkeley] https://arxiv.org/abs/2607.00341 --- [CL] Graph-Native Reinforcement Learning Enables Traceable Scientific Hypothesis Generation through Conceptual Recombination [MIT & Oak Ridge National Laboratory] https://arxiv.org/abs/2607.00924 --- [LG] Right in the Right Way: LM Training with Verifiable Rewards and Human Demonstrations [MIT] https://arxiv.org/abs/2607.01181

你有没有想过，我们如何才能真正信任一个AI？本期节目，我们将从几篇最新论文出发，看看如何让AI学会谦虚地承认“我不确定”，以及如何看穿它解释背后真实的“小心思”。我们还会聊聊，如何赋予AI更强大的“变焦”记忆力，并像指挥家一样精准调教它的行为。准备好，一起揭开AI更深层的秘密吧！ 00:00:27 一个更“诚实”的AI，是如何炼成的？ 00:05:47 给AI的黑箱，装一扇透明的窗 00:11:35 AI的“读心术”，我们真能看懂它在想什么吗？ 00:17:14 AI的记忆难题与“可变焦”图书馆 00:22:22 如何正确地“挑毛病”，一个让机器人变聪明的沟通方法 本期介绍的几篇论文： [CL] Reinforcement Learning with Metacognitive Feedback Elicits Faithful Uncertainty Expression in LLMs [Yale University & Google Research] https://arxiv.org/abs/2606.32032 --- [CL] Introspective Coupling: Self-Explanation Training Tracks Behavioral Change Despite Fixed Supervision [MIT] https://arxiv.org/abs/2606.32038 --- [LG] Surrogate Fidelity: When Can Open LLMs Explain Closed Ones? [Meta] https://arxiv.org/abs/2606.32008 --- [CL] SeKV: Resolution-Adaptive KV Cache with Hierarchical Semantic Memory for Long-Context LLM Inference [University of British Columbia & Microsoft Research] https://arxiv.org/abs/2606.31145 --- [RO] Freeform Preference Learning for Robotic Manipulation [Stanford University] https://arxiv.org/abs/2606.32027

你有没有想过，AI的“内心世界”是什么样的？本期我们要聊的几篇最新论文，就像是为我们打开了AI心智的几扇窗：当AI说“我很确定”时，它可能只是下定了决心；而一个“无欲无求”的旁观者AI，或许才是通往安全的新路径。我们还会看到，AI如何通过“开窍”学会跨界创新，如何用“错题本”学会自我反思，以及我们普通人如何拥有一本不用编程的“AI调校手册”。准备好了吗？让我们一起潜入AI思考的深处。 00:00:35 AI说“我确定”的时候，它到底在确定什么？ 00:08:51 AI进化新思路，当个“旁观者”，而不是“操盘手” 00:15:50 让聪明的模型，学会“开窍” 00:20:02 一个会反思的AI，如何从犯错中学会正确答案 00:24:44 驯服AI，一个不用编程的调校手册 本期介绍的几篇论文： [LG] Reported Confidence in LLMs Tracks Commitment More Than Correctness [Google DeepMind] https://arxiv.org/abs/2606.29490 --- [AI] Safety from Honesty in a Disinterested AI Predictor [LawZero & Arb Research] https://arxiv.org/abs/2606.29657 --- [CL] Evolution Fine-Tuning: Learning to Discover Across 371 Optimization Tasks [University of Minnesota & CMU & KAIST] https://arxiv.org/abs/2606.29082 --- [AI] Flow Reasoning Models: Scaling Reasoning Through Iterative Self-Refinement [Georgia Tech & MIT] https://arxiv.org/abs/2606.29150 --- [CL] REAR: Test-time Preference Realignment through Reward Decomposition [Nanyang Technological University & UC Berkeley] https://arxiv.org/abs/2606.30339

你有没有想过，一个绝顶聪明的AI，同时也可以是个精打细算的“管家”？我们如何能让它既看得远又看得清，告别“一本正经地胡说八道”？甚至，我们能不能把一篇静态的论文变成一个能与你对话的机器人，再把一个孤僻的天才，培养成优秀的团队领袖？本期节目，我们将从五篇最新论文出发，一起探索如何让AI变得更成熟、更实用、也更像一个“人”。 00:00:30 从“大力出奇迹”到“精打细算”，AI的成熟标志 00:04:48 给AI装上一副“双光镜”，看得又快又准 00:11:15 你的下一篇论文，可能是一个能与你对话的机器人 00:17:02 你的AI助手，为啥总爱“一本正经地胡说八道”？ 00:23:05 如何培养一个既能单打独斗，又能带队起飞的“聪明人”？ 本期介绍的几篇论文： [IR] End-to-End Dynamic Sparsity for Resource-Adaptive LLM Inference [Meta AI & University of North Carolina at Chapel Hill] https://arxiv.org/abs/2606.27743 --- [IR] Bifocal Diffusion Language Models: Asymmetric Bidirectional Context for Parallel Generation [Meta AI & University of North Carolina at Chapel Hill] https://arxiv.org/abs/2606.27732 --- [AI] Agentic Publication Protocol: An Attempt to Modernize Scientific Publication [Max-Planck-Institut für Quantenoptik & Stanford University] https://arxiv.org/abs/2606.27386 --- [AI] Grounded Iterative Language Planning: How Parameterized World Models Reduce Hallucination Propagation in LLM Agents [Emory University & The University of Tokyo] https://arxiv.org/abs/2606.27806 --- [LG] Tandem Reinforcement Learning with Verifiable Rewards [University of Toronto & EPFL] https://arxiv.org/abs/2606.28166

本期，我们将一起揭秘AI的几套最新“武功秘籍”。我们会看到，AI如何通过聪明的“实习生”机制实现疯狂提速；又如何为自己打造一个“驾校模拟器”，在行动前预判成败。更进一步，我们还会深入AI的“厨房”与“健身房”，看看科学家是如何为它定制私房菜谱、修炼训练内功，把它从一个“独行侠”培养成一个懂得协作的“项目主管”！ 00:00:30 “快”与“好”的战争，AI是怎么悄悄提速的？ 00:06:23 让AI学会“脑补”，需要分几步？ 00:11:32 如何喂养一个聪明的AI？一份来自顶尖研究的私房菜谱 00:17:59 如何把一个“普通学生”AI，训练成“项目主管”？ 00:23:27 AI训练的“内功心法”，快慢分开走 本期介绍的几篇论文： [LG] DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation [DeepSeek-AI & Peking University] https://github.com/deepseek-ai/DeepSpec/blob/main/DSpark_paper.pdf --- [CL] Qwen-AgentWorld: Language World Models for General Agents [Qwen Team] https://arxiv.org/abs/2606.24597 --- [AI] OpenThoughts-Agent: Data Recipes for Agentic Models [UC Berkeley & Stanford University & JSC] https://arxiv.org/abs/2606.24855 --- [AI] SPIRAL: Learning to Search and Aggregate [Stanford University] https://arxiv.org/abs/2606.23595 --- [LG] Improving Neural Network Training by Decoupling the Magnitude and Direction of Weight Vectors [EPFL] https://arxiv.org/abs/2606.25971

你有没有想过，如何让AI拥有一个“好脑子”？这一期，我们将一口气看到几篇最新论文带来的精妙巧思：我们会揭示AI如何像我们一样，通过“智慧地遗忘”来一口气读完一本书；看科学家如何用一份“私房菜谱”和一座“虚拟驾校”，高效训练出AI电脑高手和手机达人；最后，我们还将探讨一条至关重要的安全红线——在探索未知时，AI究竟该当我们的“金牌助教”，还是危险的“裁判”？这趟关于AI记忆、学习与协作的奇妙旅程，现在开始！ 00:00:38 AI的新型记忆，如何像人一样，一口气读完一本书？ 00:06:40 AI的私房菜谱，如何养出一个“电脑高手”？ 00:11:42 AI当裁判，还是当助教？ 00:17:42 AI的记忆难题，我们该如何打造一颗“好脑子”？ 00:24:22 如何让AI学会玩手机？答案可能不在手机里 本期介绍的几篇论文： [CV] Unlimited OCR Works [Baidu Inc.] https://arxiv.org/abs/2606.23050 --- [CL] Tmax: A simple recipe for terminal agents [Allen Institute for AI & University of Washington] https://arxiv.org/abs/2606.23321 --- [LG] Causal Discovery in the Era of Agents [CMU] https://arxiv.org/abs/2606.23608 --- [CL] Are We Ready For An Agent-Native Memory System? [Shanghai Jiao Tong University] https://arxiv.org/abs/2606.24775 --- [CL] PhoneBuddy: Training Open Models for Agentic Phone Use [Tencent Hunyuan] https://arxiv.org/abs/2606.23049

AI也会像我们一样，因为“见识短”而心虚犯错，但也同样拥有灵光一闪的“顿悟”时刻吗？一个知识在它的大脑里竟然住了好几个“家”，而一个顶尖高手机器人，竟然是由一个“专家团队”拼凑出来的？这一期，我们将从几篇最新的论文出发，看看研究者们如何通过“顺藤摸GA”的巧妙思路，揭开AI这些有趣又深刻的内在秘密。准备好，我们马上出发！ 00:00:31 AI为什么会“一本正经地胡说八道”？ 00:06:38 AI的大脑里，一个知识住了好几个家？ 00:11:15 安全界的降维打击，从“大海捞针”到“顺藤摸瓜” 00:16:23 机器人高手，原来是这样“拼”出来的 00:22:42 我们是不是一直在用错误的方式，让AI“思考”？ 本期介绍的几篇论文： [LG] Hallucination in World Models is Predictable and Preventable [UC San Diego] https://arxiv.org/abs/2606.27326 --- [CL] LMs as Task-Specific Knowledge Bases: An Interpretability Analysis [Tel Aviv University] https://arxiv.org/abs/2606.27237 --- [AI] Chai: Agentic Discovery of Cryptographic Misuse Vulnerabilities [UC Berkeley] https://arxiv.org/abs/2606.26933 --- [RO] CoStream: Composing Simple Behaviors for Generalizable Complex Manipulation [Stanford University & Harvard University & MIT] https://arxiv.org/abs/2606.26423 --- [LG] Epiphany-Aware KV Cache Eviction Without the Attention Matrix [CMU] https://arxiv.org/abs/2606.26472

都说AI变聪明要靠“大力出奇迹”，但如果这个“大力”用错了地方，会发生什么？今天，我们就从几篇最新论文出发，聊聊为什么给AI请个“私教”比题海战术更有效，为什么看似无害的数据重复会悄悄吃掉你三分之一的预算，以及为什么那个更快的AI，反而会让你等得更久。我们还会揭示AI“抠门”的智慧，以及藏在模型变强背后，那套如同物理定律般的神秘“公式”。准备好了吗？让我们一起刷新对AI的认知！ 00:00:36 AI的私教，如何让机器给自己出“最合适”的题？ 00:06:37 AI 模型的“垃圾食品”，为什么重复数据会悄悄吃掉你三分之一的预算？ 00:11:58 为什么那个更快的AI，反而让你等得更久？ 00:17:10 “抠门”的智慧，如何打造便宜又好用的AI？ 00:21:40 AI变强的秘密，不是“大力出奇迹” 本期介绍的几篇论文： [AI] Autodata: An agentic data scientist to create high quality synthetic data [FAIR at Meta] https://arxiv.org/abs/2606.25996 --- [LG] Internal Data Repetition Destroys Language Models [Stanford University & Tel Aviv University] https://arxiv.org/abs/2606.24998 --- [LG] Quantization Inflates Reasoning: Token Inflation as a Hidden Cost of Low-Bit Reasoning Models [University of Illinois Urbana-Champaign & Microsoft & Anyscale] https://arxiv.org/abs/2606.25519 --- [CL] BitNet Text Embeddings [Microsoft Research & Peking University] https://arxiv.org/abs/2606.25674 --- [LG] Neural Scaling Universality: If Exponents Are Fixed, Time to Understand Coefficients [MIT] https://arxiv.org/abs/2606.25008

你有没有觉得AI助手越聊越“傻”，甚至开始“钻牛角尖”？本期节目，我们将从几份最新论文出发，聊聊如何帮AI戒掉这个坏毛病。我们还会探讨一种能把复杂工作变简单的“任务分解术”，并揭示如何用“外语钥匙”解锁AI大脑深处的隐藏知识。更神奇的是，你甚至可以拥有一个“AI教练”，帮你把模糊的偏好变成AI能懂的“工作手册”。准备好了吗？让我们一起看看，这些研究如何把调教AI从玄学变成科学。 00:00:36 你的AI助手，怎么越聊越“傻”？ 00:05:43 你的工作方法，可能用错了 00:11:47 AI大模型测评，你真的需要“题海战术”吗？ 00:18:40 AI调教新思路，从千锤百炼到一语道破 00:23:49 解锁AI大脑的“外语钥匙” 本期介绍的几篇论文： [CL] Pigeonholing: Bad prompts hurt models to collapse and make mistakes [Stanford University] https://arxiv.org/abs/2606.24267 --- [CL] Task Decomposition for Efficient Annotation [CMU] https://arxiv.org/abs/2606.24734 --- [LG] You Don't Need to Run Every Eval [Microsoft Research] https://arxiv.org/abs/2606.24020 --- [CL] Towards Spec Learning: Inference-Time Alignment from Preference Pairs [CMU] https://arxiv.org/abs/2606.24004 --- [CL] Cross-Lingual Exploration for Parametric Knowledge [The Hebrew University of Jerusalem & Google Research] https://arxiv.org/abs/2606.24579

你有没有感觉AI好像更懂英文，对中文有点“慢半拍”？这一期，我们就从几篇最新论文出发，聊聊如何用一个巧妙的“补丁”为我们的语言争取公平待遇。我们还会看看AI是如何像我们读书一样给长篇大论“划重点”的，以及AI在向我们学习时，是如何像一场大型选举一样，不小心选出了平庸的“最大公约数”。最后，我们还将揭示一个惊人现象：为什么AI的自我提升，努力到尽头竟是彻底的崩溃。 00:00:34 你的语言，正在被“区别对待” 00:06:21 大海捞针，如何给长篇大论划重点？ 00:10:32 AI大模型是如何“被投票”选出来的？ 00:16:35 AI如何理解世界，一个点，还是一群点？ 00:22:10 AI的“过度努力”陷阱，为什么进步的尽头是崩溃？ 本期介绍的几篇论文： [CL] LangMAP: A Language-Adaptive Approach to Tokenization [EPFL & University of Cambridge] https://arxiv.org/abs/2606.23566 --- [IR] Improving Long-Context Retrieval with Multi-Prefix Embedding [University of Waterloo & University of Queensland] https://arxiv.org/abs/2606.23642 --- [AI] AI Alignment From Social Choice Perspectives [Google Research & University of Southern California & Harvard University] https://arxiv.org/abs/2606.21550 --- [IR] Multi-Vector Embeddings are Provably More Expressive than Single Vector Embeddings [Google Research] https://arxiv.org/abs/2606.23475 --- [LG] Self-Improvement Can Self-Regress: The Rise-and-Collapse Failure Mode of LLM Self-Training [MetaAI] https://arxiv.org/abs/2606.21090