AI可可AI生活

来自 @爱可可-爱生活 的第一手AI快报，用最简单易懂的语言，带你直击最前沿的人工智能科研动态。无论你是科技小白，还是行业达人，这里都有你想知道的AI故事和未来趋势。跟着我们，轻松解锁人工智能的无限可能！#人工智能 #科技前沿

AI可可AI生活 is a technology podcast hosted by fly51fly, with 1,000 episodes on record and a Required Pod Score of 80.

fly51fly hosts AI可可AI生活, a technology show with 1,000 episodes published.

Our AI reads these to draft pitches. Use them as grounding for a pitch that cites a real guest and a specific topic.

• 

  AI可可AI生活

  [人人能懂AI前沿] 从智能体组装、零数据发明到记忆门卫

  Oct 3, 202625 min

  面对复杂的未来，AI早已告别单打独斗，正在演化出超越想象的全新生态。今天我们将拆解5篇最新论文：从像超级经理般调度分工的“可组合智能”，到零种子数据下“凭空造砖”的发明力；从让机器人看清自身边界的“先验说明书”，到各大模型千姿百态的道德偏见“万花筒”。最后，我们还将看看一个精妙的“智能门卫”如何帮大模型终结“学新忘旧”的遗忘困境。准备好刷新你对AI的认知了吗？我们马上出发！ 00:00:36 别指望全能AI了，未来的超级智能一定是“组装”出来的 00:04:37 想象力才是终极原材料，当手中“空无一物”时，我们该如何教聪明人做事？ 00:09:19 跨界高手的通行证，不仅要知道“怎么做”，更要明白“凭什么” 00:15:07 别再以为AI都是同一个模子刻出来的，它们的“偏见”比人类还复杂 00:19:41 为什么AI一学新知识就会“丢了西瓜捡芝麻”？保护大模型记忆的巧妙开关 本期介绍的几篇论文： [AI] Raven: The Harness of Harnesses for Composable Agentic Intelligence [EverMind AI] https://arxiv.org/abs/2609.3343 --- [LG] Invent a Dataset: Measuring dataset generation abilities with zero seed [Adaption] https://arxiv.org/abs/2610.01674 --- [RO] Agent Priors-guided Policy Learning [National University of Singapore] https://arxiv.org/abs/2609.35690 --- [CL] Gender bias across LLMs is common and highly heterogeneous [University of Milan-Bicocca] https://arxiv.org/abs/2609.38036 --- [LG] Local Support Learning [Tel Aviv University & MIT CSAIL] https://arxiv.org/abs/2610.02126 在小宇宙查看该单集文稿

  ListenShow Notes
• 

  AI可可AI生活

  [人人能懂AI前沿] 从肌肉记忆、跨界品味到锐化税：破解AI的“假聪明”与均匀发力

  Oct 2, 202626 min

  你有没有想过，为什么最顶尖的AI连拿放杯子都要靠虚拟练习堆出“肌肉记忆”，读破百万篇文献却依然学不会人类跨界的“灵光一闪”？几篇最新论文正在撕下AI“全能”的遮羞布：它们不仅会为了刷高指标走“小抄捷径”导致突发翻车，更在变乖的后训练中悄悄缴纳着扼杀探索力的“锐化税”。今天，我们就通过五篇扎实的最新论文，带你拆解从具身智能到世界模型“向内扩展”的底层机制，看懂机器与人类如何告别盲目均匀发力、精准破局。 00:00:39 聪明的大脑，不如一套管用的“肌肉记忆”——机器人如何靠“刻意练习”练就真本事？ 00:06:31 为什么读了百万篇文献的AI，依然学不会人类的“灵光一闪”？ 00:11:26 警惕那些看起来很美的“捷径”，从一次AI训练的意外翻车说起 00:16:01 我们为了让AI变“聪明”，到底付出了什么代价？ 00:20:30 别陷入“均匀发力”的陷阱——把好钢用在刀刃上的大智慧 本期介绍的几篇论文： [RO] Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents [UC Berkeley] https://arxiv.org/abs/2610.02204 --- [AI] ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research [Stanford University] https://arxiv.org/abs/2610.02202 --- [AI] Forking: Sudden Overfitting Under Replay [MetaCircle] https://arxiv.org/abs/2610.00394 --- [AI] Sharpening Tax in Post-Training [Meta Superintelligence Labs] https://arxiv.org/abs/2610.01509 --- [RO] DeepJEPA: Scaling World Models from Within [New York University & Tulane University & UIUC] https://arxiv.org/abs/2610.00368 在小宇宙查看该单集文稿

  ListenShow Notes
• 

  AI可可AI生活

  [人人能懂AI前沿] 从开科研公司、以眼高治手低，到半程反馈、小团队循环与逃离旧经验

  Oct 1, 202626 min

  今天我们要聊的五篇最新论文，正在彻底颠覆我们对智能进化的认知：从让AI像“开科研公司”一样分工攻克数学难题，到利用“眼高手低”把苛刻审美直接内化成肌肉记忆；从告别“秋后算账”、学会在半山腰信任评判者，再到用“循环思考+混合专家”实现小模型逆袭，以及动用“注意力手术”斩断被旧信息绑架的惯性。这些前沿算法的底层突破，不仅展示了AI如何摆脱对盲目做大模型的依赖，更是一份能直接迁移到我们工作与生活中的高段位做事方法论。准备好了吗？让我们一起拆解这些聪明的解题思路。 00:00:43 当AI学会了“开公司搞科研”，我们该如何重新理解解决问题的逻辑？ 00:05:39 为什么“眼高手低”反而是一件好事？从最新的人工智能进化法则说起 00:10:32 别等跑完全程才算成绩，从AI训练的新玩法，看普通人如何高效成事 00:15:58 别盲目扩张了，AI界刚刚摸透了“小团队打大胜仗”的底层逻辑 00:20:18 AI记性太好反而成了病？谈谈“旧信息”是如何绑架当下决策的 本期介绍的几篇论文： [AI] Cogentic: Multi-Agent Orchestration for Automated Proof Discovery [Google Research] https://arxiv.org/abs/2609.40324 --- [AI] UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement [Stanford University & Johns Hopkins University] https://arxiv.org/abs/2609.38721 --- [LG] Trust the Critic More [Stanford University] https://arxiv.org/abs/2609.39247 --- [LG] Scaling Laws for Looped Mixture of Experts [Meta AI] https://arxiv.org/abs/2609.40316 --- [AI] When Context Changes: Understanding Update Failures in LLMs [UC Berkeley] https://arxiv.org/abs/2609.38866 在小宇宙查看该单集文稿

  ListenShow Notes
• 

  AI可可AI生活

  [人人能懂AI前沿] 从状态分工、主动遗忘到靶向反馈的成事心法

  Sep 30, 202623 min

  今天我们要拆解五篇带来颠覆性认知的最新论文：看AI如何学会把“做事与管事”彻底分开，如何靠一把“记忆橡皮擦”主动清理过载大脑；又是怎样用“窗口缓存”少折腾提速、在作画半路“实时纠偏”，甚至敢于拒绝“正确废话”只听关键反馈。这些AI前沿技术的破局之道，其实也是我们在复杂世界里最高级的成事密码，让我们马上开启探索！ 00:00:30 为什么给AI更多时间，它反而搞砸了？揭示“做事”与“管事”的本质区别 00:03:57 你以为大模型缺的是脑容量，其实它缺的是一块“橡皮擦” 00:07:26 让AI跑得快又不出错，秘密竟然是“少折腾”？ 00:13:40 做事的终极心法，别等交卷才审题，要在半路就纠偏 00:18:08 为什么“全盘接受建议”反而会让人变平庸？ 本期介绍的几篇论文： [AI] Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning [Meta Superintelligence Labs] https://arxiv.org/abs/2609.38147 --- [AI] Context Language Models [University of Washington & MIT] https://arxiv.org/abs/2609.37725 --- [LG] LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization [UC Berkeley & University of Washington & MIT] https://arxiv.org/abs/2609.38166 --- [CV] PreviewDiff: Multimodal Critic-Guided Search over Diffusion Latents [Google Cloud AI Research & MIT CSAIL] https://arxiv.org/abs/2609.36199 --- [AI] AdviSD: Learning to Advise Frontier LLMs via Targeted Multi-Turn Self-Distillation [Google] https://arxiv.org/abs/2609.38142 在小宇宙查看该单集文稿

  ListenShow Notes
• 

  AI可可AI生活

  [人人能懂AI前沿] 从意识阶梯、模式跳跃到自省进化与算法见证

  Sep 29, 202626 min

  现在的AI到底是有了灵魂，还是在一边装聪明一边死记硬背？本期我们精选了5篇最新论文，带你顺着五层阶梯拆解机器意识的虚实，围观大模型在“复读机”与“思想者”之间的疯狂横跳。你还将看到AI如何打破距离限制找回超长记忆、为何单靠“写反思日记”就能脱胎换骨，以及如何用数学快照终结训练作弊。准备好了吗？让我们一起拆解这些前沿技术背后的思维密码与生命哲学！ 00:00:33 别被AI的演技骗了，但也别低估了它的灵魂，揭开机器意识的五重底牌 00:06:44 你的大脑是在“真思考”，还是在“装聪明”？AI大模型的学习秘辛告诉我们答案 00:11:35 距离不再是遗忘的借口，AI是如何跨越空间找回记忆的？ 00:16:07 真正的高手，都是“解释”的大师，，AI教给普通人的精进奇招 00:21:20 怎样证明你没作弊？一场重塑“信任”的算法革命 本期介绍的几篇论文： [AI] From cacophony to hierarchy: a principled framework for assessing AI consciousness [Google DeepMind] https://arxiv.org/abs/2609.3561 --- [CL] Generalization Dynamics of LM Pre-training [UC Berkeley & Stanford University] https://arxiv.org/abs/2609.33150 --- [CL] RoPE is Dead, Long Live RoPE: Towards Scalable Data-aware Positional Encodings [Meta AI & Université Paris-Saclay] https://arxiv.org/abs/2609.34556 --- [AI] Shockingly Simple Self-retrospection Improves Agentic Models Without RL [RPI & UC San Diego & KAIST] https://arxiv.org/abs/2609.35741 --- [LG] Training Witnesses: Trusting the Training without Trusting the Trainer [Stanford University & New York University] https://arxiv.org/abs/2609.33915 在小宇宙查看该单集文稿

  ListenShow Notes

Recent guests on AI可可AI生活. Study who booked and why before you pitch.

Based on semantic analysis of episode topics and host coverage, this show is a strong guest fit for executives in:

Industry fit is computed by PitchCentric using vector embeddings of the show's episode catalog.