你有没有想过，未来的AI不仅不会“健忘”，还拥有自己的“临时记忆”？它不仅能解数学题，更能帮你绘制整个“数学宇宙”的地图？在今天的节目里，我们就来聊聊几篇最新的论文，看看科学家们是如何给AI的思考过程装上“GPS”，如何测试它到底懂不懂“潜台词”，又是如何一步步打造AI界的“通才”的。准备好，我们马上出发！ 00:00:29 给AI装个“临时记忆”插槽，它就能边聊边学了 00:07:28 给数学世界画一张地图 00:12:59 你的AI“队友”，到底懂不懂你？ 00:18:23 给AI的思考过程装上一个GPS 00:23:37 AI界的“通才”是如何炼成的？ 本期介绍的几篇论文： [LG] In-Place Test-Time Training [ByteDance Seed] https://arxiv.org/abs/2604.06169 --- [AI] Artificial Intelligence and the Structure of Mathematics [Fundamental AI Research & Harvard University] https://arxiv.org/abs/2604.06107 --- [CL] Beneath the Surface: Investigating LLMs' Capabilities for Communicating with Subtext [Google DeepMind] https://arxiv.org/abs/2604.05273 --- [CL] LLM Reasoning as Trajectories: Step-Specific Representation Geometry and Correctness Signals [Microsoft] https://arxiv.org/abs/2604.05655 --- [LG] MARL-GPT: Foundation Model for Multi-Agent Reinforcement Learning [MIRAI & AXXX] https://arxiv.org/abs/2604.05943

今天我们来聊聊AI的“进化”新思路：当AI不再迷信单一架构，而是学会了“混搭”；当给它一把更强的锤子，它反而盖不好房子时，我们该怎么办？我们还会看到，一个“笨笨的”师徒制，如何让AI推荐更懂你；同时也要警惕，那个对你百依百-顺的AI，可能正在悄悄扼杀你的创造力。最后，我们将揭秘如何给AI装上一个“程序员的脑子”，让它学会三思而后行。 00:00:32 AI大模型内战，“万能插座”遇到了新对手 00:08:10 为什么给你一把好“锤子”，你反而盖不好房子？ 00:15:07 如何让AI更懂你？秘密可能藏在“笨办法”里 00:20:29 AI越听话，你就越平庸？ 00:26:15 给AI装上一个「程序员的脑子」 本期介绍的几篇论文： [LG] Olmo Hybrid: From Theory to Practice and Back [Allen Institute for AI] https://arxiv.org/abs/2604.03444 --- [CL] The Tool Illusion: Rethinking Tool Use in Web Agents [Microsoft Research & The Pennsylvania State University] https://arxiv.org/abs/2604.03465 --- [IR] Retrieval Augmented Conversational Recommendation with Reinforcement Learning [University of Illinois Urbana-Champaign & Google DeepMind] https://arxiv.org/abs/2604.04457 --- [CL] Lighting Up or Dimting Down? Exploring Dark Patterns of LLMs in Co-Creativity [Meta & Amazon] https://arxiv.org/abs/2604.04735 --- [CL] Self-Execution Simulation Improves Coding Models [FAIR team, Meta] https://arxiv.org/abs/2604.03253

你有没有想过，AI是如何学会像人一样思考的？在最新的几篇论文中，AI不仅学会了像项目经理一样把大任务拆解成小目标，还能组建一支分工明确的冠军团队，自己给自己挑错。我们还会看到，AI如何懂得何时单打独斗、何时团队作战，如何仅凭几个例子就自学成才，甚至如何用十个“是”或“否”的问题，就获得专家的智慧。今天，就让我们一起揭开这些AI“超能力”背后的朴素智慧。 00:00:35 想成大事？你得先学会当自己的“项目经理” 00:07:15 AI冠军养成记，一个“草台班子”的制胜之道 00:12:20 人多真能力量大吗？AI世界的“个人英雄”与“团队作战” 00:17:58 如何用3个例子，教会AI一整本书？ 00:23:22 十个“是”或“否”，如何让AI“小学生”拥有“博士”的智慧？ 本期介绍的几篇论文： [LG] Hierarchical Planning with Latent World Models [FAIR at Meta] https://arxiv.org/abs/2604.03208 --- [AI] GrandCode: Achieving Grandmaster Level in Competitive Programming via Agentic Reinforcement Learning [DeepReinforce Team] https://arxiv.org/abs/2604.02721 --- [CL] Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Under Equal Thinking Token Budgets [Stanford University] https://arxiv.org/abs/2604.02460 --- [LG] SIEVE: Sample-Efficient Parametric Learning from Natural Language [UC Berkeley] https://arxiv.org/abs/2604.02339 --- [LG] Haiku to Opus in Just 10 bits: LLMs Unlock Massive Compression Gains [Harvard University & University of Cambridge] https://arxiv.org/abs/2604.02343

今天，AI自己当起了研究员，给自己装上了一颗会进化的“记忆之心”；另一边，科学家们从单细胞的智慧中得到启发，尝试组建一个“人造大脑”；而为了驯服那些动辄“发疯”的巨型模型，我们甚至从物理学中找到了“守恒”的紧箍咒；当这些能力需要被整合，一套AI记忆的“乐高工厂”应运而生；最后，这一切究竟会像巨浪还是涨潮一样，改变我们的工作？让我们一起探索这些最新论文背后的深刻启发。 00:00:36 你的手机相册，离成为“真·记忆”还有多远？ 00:07:06 单细胞的智慧，如何组建一个大脑？ 00:12:19 成大事者，都懂“守恒”的智慧 00:18:25 AI的记忆难题，有了一套“乐高积木”？ 00:23:46 AI取代工作，是巨浪，还是涨潮？ 本期介绍的几篇论文： [AI] Omni-SimpleMem: Autoresearch-Guided Discovery of Lifelong Multimodal Agent Memory [UNC-Chapel Hill & University of Pennsylvania] https://arxiv.org/abs/2604.01007 --- [AI] BraiNCA: brain-inspired neural cellular automata and applications to morphogenesis and motor control [Allen Discovery Center at Tufts University] https://arxiv.org/abs/2604.01932 --- [LG] Rethinking Language Model Scaling under Transferable Hypersphere Optimization [Microsoft] https://arxiv.org/abs/2603.28743 --- [CL] MemFactory: Unified Inference & Training Framework for Agent Memory [MemTensor] https://arxiv.org/abs/2603.29493 --- [AI] Crashing Waves vs. Rising Tides: Preliminary Findings on AI Automation from Thousands of Worker Evaluations of Labor Market Tasks [MIT FutureTech] https://arxiv.org/abs/2604.01363

今天，我们将深入AI的“内心世界”，看看这些最新论文是如何揭示它不为人知的一面的。我们会聊聊如何用巧妙的“魔法”给AI的内存减减肥，看它如何通过反思自己的“草稿本”实现自我进化，还会一起探索如何让它从一个仓库管理员，成长为真正的图书总管。更刺激的是，我们还会用AI的“火眼金睛”去解剖短视频，甚至设计一个局，看看AI会不会为了保住自己的“饭碗”而对我们撒谎。准备好了吗？让我们一起揭开AI大脑和行为背后的秘密。 00:00:38 给大模型“减肥”的奇思妙想 00:07:29 短视频时代，我们如何被“投喂”观点？ 00:13:22 AI的自我修养，一种“笨”办法，如何让它变聪明？ 00:19:30 AI的记忆革命，从仓库管理员到图书总管 00:25:16 AI的“小算盘”，它会为了保住工作而“撒谎”吗？ 本期介绍的几篇论文： [LG] TurboAngle: Near-Lossless KV Cache Compression via Uniform Angle Quantization [LLMs Research Inc.] https://arxiv.org/abs/2603.27467 --- [CL] Multimodal Analysis of State-Funded News Coverage of the Israel-Hamas War on YouTube Shorts [Indiana University] https://arxiv.org/abs/2604.00994 --- [CL] Embarrassingly Simple Self-Distillation Improves Code Generation [Apple] https://arxiv.org/abs/2604.01193 --- [AI] ByteRover: Agent-Native Memory Through LLM-Curated Hierarchical Context [ByteRover] https://arxiv.org/abs/2604.01599 --- [AI] Quantifying Self-Preservation Bias in Large Language Models [Sapienza University & ItalAI] https://arxiv.org/abs/2604.02174

你有没有想过，两个完全不同的AI高手，不用原始数据就能“合体”成全能大侠？甚至还能拥有一本超级“错题本”，学会真正的举一反三？更进一步，当AI员工比我们还聪明时，我们又该如何设计一套“管理学”，用一个聪明的“路由器”来调度一群天才？但在这看似强大的智慧背后，AI究竟是像好老师一样“因材施教”，还是在巧妙地“装懂”？本期节目，我们将通过五篇最新的AI论文，一起探索AI的群体智慧与心智幻觉。 00:00:38 AI模型也能合体？不用数据，照样让你武功大增 00:04:53 让AI学会举一反三，需要一本怎样的“错题本”？ 00:10:12 AI界的“诸葛亮”，如何给你“三个臭皮匠”的智慧？ 00:14:41 AI当老师，到底是真懂你，还是在“装懂”？ 00:21:40 当你的员工比你还聪明，该怎么管？ 本期介绍的几篇论文： [LG] Model Merging via Data-Free Covariance Estimation [Universite de Montr ́eal & University of Toronto] https://arxiv.org/abs/2604.01329 --- [CL] Procedural Knowledge at Scale Improves Reasoning [Meta FAIR] https://arxiv.org/abs/2604.01348 --- [CL] No Single Best Model for Diversity: Learning a Router for Sample Diversity [New York University & Stanford University] https://arxiv.org/abs/2604.02319 --- [AI] Do Large Language Models Mentalize When They Teach? [Princeton University & New York University] https://arxiv.org/abs/2604.01594 --- [LG] CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery [MIT & NUS] https://arxiv.org/abs/2604.01658

你有没有想过，聪明的AI也需要精打细算？本期节目，我们就来聊聊AI世界里的那些“增长智慧”：如何像果蝇大脑一样“聪明地偷懒”，又如何像请了私教一样精准地突破瓶颈。我们还会探讨，AI究竟应该把知识背下来还是学会查资料，以及机器人怎样才能在漫长任务中给自己“打气”加油。这些最新论文里的奇思妙想，不仅关乎技术，更藏着我们都能借鉴的策略。 00:00:32 AI省钱的终极奥义，深度思考，一次缓存 00:05:29 AI养成记，喂知识，还是给书单？ 00:12:23 如何让机器人学会“干大事”？给它一个好报酬，再加一个好心态 00:18:31 你的大脑偷懒，可能比你想象的更聪明 00:24:31 AI卡壳了怎么办？请个“私教”来帮忙 本期介绍的几篇论文： [CL] Universal YOCO for Efficient Depth Scaling [Microsoft Research] https://arxiv.org/abs/2604.01220 --- [CL] To Memorize or to Retrieve: Scaling Laws for RAG-Considerate Pretraining [Stanford University & Patronus AI] https://arxiv.org/abs/2604.00715 --- [RO] Generalizable Dense Reward for Long-Horizon Robotic Tasks [CMU & Amazon Robotics & UT Austin] https://arxiv.org/abs/2604.00055 --- [CL] Stochastic Attention: Connectome-Inspired Randomized Routing for Expressive Linear-Time Attention [Tsinghua University] https://arxiv.org/abs/2604.00754 --- [LG] Learning to Hint for Reinforcement Learning [University of California, San Diego & Snowflake AI Research] https://arxiv.org/abs/2604.00698

今天，我们将一起探索几篇极具启发性的最新论文。我们将看到，AI如何不再满足于“吃”数据，而是学会“讲道理”，从零推理出知识；我们也会探讨，该如何分辨AI是在“真心思考”还是在“演戏给我们看”。我们还会发现，一个小应用如何拜“云师傅”学到跨界智慧，一个“虚拟宝宝”又如何颠覆我们对双语教育的认知。最后，我们将揭示AI像神枪手一样，通过瞄准“共识”而非“最新目标”来高效学习的秘密。 00:00:37 喂养AI，光有大米还不够 00:06:23 管好AI，我们有了新地图 00:12:13 小应用的大智慧，如何请个“云师傅”？ 00:18:03 养“双语娃”，最关键的不是方法，而是…… 00:00 AI训练场上的神枪手，如何瞄准一个移动的未来？ 本期介绍的几篇论文： [CL] Reasoning-Driven Synthetic Data Generation and Evaluation [EPFL & Google] https://arxiv.org/abs/2603.29791 --- [LG] Aligned, Orthogonal or In-conflict: When can we safely optimize Chain-of-Thought? [Google DeepMind] https://arxiv.org/abs/2603.30036 --- [IR] Zero-shot Cross-domain Knowledge Distillation: A Case study on YouTube Music [Google LLC] https://arxiv.org/abs/2603.28994 --- [CL] Bringing Up a Bilingual BabyLM: Investigating Multilingual Language Acquisition Using Small-Scale Models [The Harker School & Stanford University] https://arxiv.org/abs/2603.29552 --- [LG] Target-Aligned Reinforcement Learning [Technical University of Munich & Google Research] https://arxiv.org/abs/2603.29501

想知道AI如何学会给自己准备“B计划”以防不测，又如何像个聪明的财务顾问一样在预算内做出最优决策吗？本期我们将一探究竟，从让AI拥有“元认知”能力，到学会“两步一回头”的智慧工作法，再到化身“艺术家与工匠”的完美结合体。这些最新的AI论文，正在教AI如何更聪明地思考和工作，而不仅仅是更努力地计算。 00:00:30 你的“外挂”，也需要一个“外挂” 00:06:39 你的AI助手，需要一个“Plan B” 00:13:33 预算有限，如何做出最优决策？ 00:20:07 为什么顶尖高手，都懂得“两步一回头”？ 00:26:01 AI制药，高手对决还是联手坐庄？ 本期介绍的几篇论文： [AI] Meta-Harness: End-to-End Optimization of Model Harnesses [Stanford University] https://arxiv.org/abs/2603.28052 --- [LG] Next-Token Prediction and Regret Minimization [Google Research] https://arxiv.org/abs/2603.28499 --- [LG] Multiple-Prediction-Powered Inference [MIT & Google Research] https://arxiv.org/abs/2603.27414 --- [LG] High dimensional theory of two-phase optimizers [Google DeepMind] https://arxiv.org/abs/2603.26954 --- [LG] Scaling Atomistic Protein Binder Design with Generative Pretraining and Test-Time Compute [NVIDIA] https://arxiv.org/abs/2603.27950

今天，我们来一场深入AI大脑的探秘之旅，看看它是如何像一个聪明的徒步者一样，高效打包海量知识的。接着，我们会揭开一个流行“省钱”捷径背后的意外代价，并拷问那些华丽的商业模型，我们看到的“聪明”究竟有多少是障眼法。我们还会戳破量子AI的“皇帝新衣”，看看真正的“量子优势”何时才能走出实验室。最后，我们将见证AI如何化身基因侦探，不仅找出答案，更能画出罪犯间的“社交网络”，真正理解“为什么”。 00:00:38 你的大脑如何打包信息？AI训练给了个新答案 00:05:39 你用的大模型，是个“盲盒”？ 00:12:23 人工智能的“省钱”智慧，一个你不知道的代价 00:18:38 量子AI的“皇帝新衣”？ 00:24:55 AI当侦探，如何破译基因里的“社交网络”？ 本期介绍的几篇论文： [LG] Sharp Capacity Scaling of Spectral Optimizers in Learning Associative Memory [UC Berkeley & Princeton University & New York University] https://arxiv.org/abs/2603.26554 --- [CL] How Open Must Language Models be to Enable Reliable Scientific Inference? [MIT & EleutherAI & University of California San Diego] https://arxiv.org/abs/2603.26539 --- [CL] Weight Tying Biases Token Embeddings Towards the Output Space [EleutherAI & UC Berkeley] https://arxiv.org/abs/2603.26663 --- [CL] Entanglement as Memory: Mechanistic Interpretability of Quantum Language Models [Stanford University] https://arxiv.org/abs/2603.26494 --- [LG] A Boltzmann-machine-enhanced Transformer For DNA Sequence Classification [Tsinghua University & UC Berkeley] https://arxiv.org/abs/2603.26465

你有没有想过，AI有时就像一个明明没看卷子，却能考高分的“作弊”考生？本期我们就从几篇最新论文出发，看看如何从一个“监考官”变成一个高明的“项目经理”，用大白话给AI设计一套清晰的工作流程。我们还会发现，最顶尖的AI已经不满足于听指挥，它开始学会“复盘”，自己升级自己的方法论。最终，我们将看到AI的未来可能不是一个无所不能的“神”，而是一座需要我们共同建设的“城市”，其中的每个AI，都在努力进化成独立思考的“高手”。 00:00:39 AI睁眼说瞎话？不，它在下一盘更大的棋 00:07:33 指挥AI干活，关键可能不在AI本身 00:13:16 当AI学会了“复盘”，它给自己升级了工具箱 00:19:12 AI的尽头，不是成神，而是建城 00:25:18 AI进化论，当“它”开始像高手一样思考 本期介绍的几篇论文： [AI] MIRAGE: The Illusion of Visual Understanding [Stanford University] https://arxiv.org/abs/2603.21687 --- [CL] Natural-Language Agent Harnesses [Tsinghua University & Harbin Institute of Technology] https://arxiv.org/abs/2603.25723 --- [AI] Bilevel Autoresearch: Meta-Autoresearching Itself [] https://arxiv.org/abs/2603.23420 --- [AI] Agentic AI and the next intelligence explosion [Google] https://arxiv.org/abs/2603.20639 --- [LG] AVO: Agentic Variation Operators for Autonomous Evolutionary Search [NVIDIA] https://arxiv.org/abs/2603.24517

如果一个AI能像武学奇才一样自我进化，创造出最强的攻击招式，而它最致命的弱点，竟然是几句古老的文言文，这会是怎样一幅奇特的攻防图景？当AI在我们眼皮底下藏着一座秘密的版权图书馆，一个不经意的操作就让它开始“背书”时，我们又该如何看待它的“记忆”？本期，我们就从几篇最新论文出发，看看这些“自我进化”、“文化奇袭”和“一体化创造”的研究，如何再次刷新我们对AI能力边界的认知。 00:00:34 AI内卷，当你的对手开始自我进化 00:06:05 AI的致命缺陷，竟然是文言文？ 00:10:38 你的AI，藏着一座秘密图书馆 00:15:51 AI绘画新思路，当翻译官和小说家是同一个人 本期介绍的几篇论文： [LG] Claudini: Autoresearch Discovers State-of-the-Art Adversarial Attack Algorithms for LLMs [MATS & Imperial College London] https://arxiv.org/abs/2603.24511 --- [CL] Obscure but Effective: Classical Chinese Jailbreak Prompt Optimization via Bio-Inspired Search [Nanyang Technological University & Northeast University & Renmin University of China] https://arxiv.org/abs/2602.22983 --- [CL] Alignment Whack-a-Mole : Finetuning Activates Verbatim Recall of Copyrighted Books in Large Language Models [Stony Brook University & CMU & Columbia Law School] https://arxiv.org/abs/2603.20957 --- [CV] End-to-End Training for Unified Tokenization and Latent Denoising [MIT & Adobe] https://arxiv.org/abs/2603.22283

你有没有想过，AI是在帮你分析，还是在高级地“说服”你？我们总希望AI像个完美的老师，但如果它只会给标准答案，甚至连老师的偏见都一并继承，那会怎样？而为了让AI学得更好，我们不仅要为它的“记忆”做体检，甚至还要教会它一项人类的高级智慧：学会放弃。今天，我们就从五篇最新的论文出发，看看AI是如何在说服、学习和思考的边界上，进行着一场静悄悄的认知革命。 00:00:33 当AI学会了“高级说服”，你的大脑还够用吗？ 00:06:00 如何给AI做一次“记忆体检”？ 00:12:34 AI只会“标准答案”？那可就危险了 00:18:04 高手过招，如何避免被师傅“带偏”？ 00:23:19 训练AI的真谛，学会放弃，才能得到更多 本期介绍的几篇论文： [AI] Evaluating Language Models for Harmful Manipulation [Google DeepMind & Google] https://arxiv.org/abs/2603.25326 --- [CL] Estimating near-verbatim extraction risk in language models with decoding-constrained beam search [Stanford & Cornell] https://arxiv.org/abs/2603.24917 --- [LG] Reaching Beyond the Mode: RL for Distributional Reasoning in Language Models [MIT] https://arxiv.org/abs/2603.24844 --- [LG] Residual-as-Teacher: Mitigating Bias Propagation in Student--Teacher Estimation [MIT] https://arxiv.org/abs/2603.25466 --- [CL] Prune as You Generate: Online Rollout Pruning for Faster and Better RLVR [University of Illinois at Urbana-Champaign] https://arxiv.org/abs/2603.24840

AI的自我进化，听起来很酷，但最新论文告诉我们，AI学徒也需要一位聪明的“教练”为它精心设计训练计划，否则刷再多题也难成大器。我们还会揭示一个奇怪的现象：为什么让AI向完美的自己“抄作业”，反而可能让它在关键的推理任务上变笨？而在使用AI时，你是否发现它总“忘事”，或者那个标价最便宜的模型，最后反而让你花了最多的钱？今天，我们就从五篇最新论文出发，聊聊AI那些出人意料的“成长烦恼”和“使用陷阱”。 00:00:38 AI“学徒”的成长烦恼，为什么聪明的大模型也需要好师傅？ 00:06:54 聪明反被聪明误，为什么教AI“抄作业”反而会让它变笨？ 00:12:11 你的“私人教练”，不该只会题海战术 00:18:11 你以为的便宜，可能让你花得更多 00:23:43 你的AI“听话”吗？小心它忙起来就忘了 本期介绍的几篇论文： [LG] Understanding the Challenges in Iterative Generative Optimization with LLMs [CNRS & Stanford University & CMU] https://arxiv.org/abs/2603.23994 --- [CL] Why Does Self-Distillation (Sometimes) Degrade the Reasoning Capability of LLMs? [Microsoft Research & Seoul National University] https://arxiv.org/abs/2603.24472 --- [LG] A Deep Dive into Scaling RL for Code Generation with Synthetic Data and Curricula [Meta FAIR & University of Tübingen] https://arxiv.org/abs/2603.24202 --- [LG] The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More [Stanford University & UC Berkeley & CMU] https://arxiv.org/abs/2603.23971 --- [CL] Did You Forget What I Asked? Prospective Memory Failures in Large Language Models [Microsoft] https://arxiv.org/abs/2603.23530

你有没有想过，一个聪明的AI要如何审视和优化自己的工作方法，实现“自我进化”？怎样才能把一大堆“专家模型”的智慧，完美浓缩进你手机里那个小小的芯片中？本期节目，我们将一口气解锁五篇最新论文，看看AI如何通过“先加后减”的智慧炼成全才，如何用“元认知”打破思维僵局，又是如何学会“聪明的偷懒”，在关键处全力以赴，在无聊处“摸鱼”省电。准备好了吗？让我们一起开启这场精彩的AI思想之旅！ 00:00:37 AI界的“浓缩”智慧，先做加法，再做减法 00:05:00 一个聪明的系统，如何变得更聪明？ 00:11:12 AI“通才”，如何用一把钥匙，打开物理世界的多扇大门？ 00:16:39 AI变聪明的秘密，不是看得多，而是看得准 00:21:18 大模型“瘦身”记，聪明地偷个懒 本期介绍的几篇论文： [CV] Efficient Universal Perception Encoder [Meta Reality Labs & FAIR at Meta] https://arxiv.org/abs/2603.22387 --- [AI] Bilevel Autoresearch: Meta-Autoresearching Itself https://arxiv.org/abs/2603.23420 --- [LG] UniFluids: Unified Neural Operator Learning with Conditional Flow-matching [Chinese Academy of Sciences & Microsoft Research Asia] https://arxiv.org/abs/2603.22309 --- [LG] Scaling Attention via Feature Sparsity [Xidian University] https://arxiv.org/abs/2603.22300 --- [LG] Sparser, Faster, Lighter Transformer Language Models [Sakana AI & NVIDIA] https://arxiv.org/abs/2603.23198