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
• 

  AI可可AI生活

  [人人能懂AI前沿] 从倒置沙漏、导师容错，到历史错题与抽象穿梭

  Sep 28, 202623 min

  今天我们要拆解的五篇最新论文，正在彻底颠覆关于大模型与效率的默认规则：从打破行业惯例、把模型变窄的“沙漏架构”，到允许瑕疵反而超越上限的“导师制解码”；从靠翻看“历史错题本”避免原地打转的黑盒学习，到自我修剪冗余的“递归进化”，以及在宏观与底层之间自由穿梭的“抽象阶梯”。这不仅是一次硬核技术的减负提速之旅，更是一份藏在代码算法里、人人皆可借用的自我迭代指南。 00:00:35 别被“行业惯例”限制了想象，把沙漏倒过来，世界就顺畅了 00:04:46 放下对完美的死磕，为什么“允许瑕疵”反而能成就更好？ 00:09:48 让你突飞猛进的秘密，往往藏在被遗忘的“旧账”里 00:13:41 如何打破成长的天花板？这篇AI前沿论文藏着一套“自我进化”的破局心法 00:18:05 做人做事，要学会在“抽象的阶梯”上自由上下 本期介绍的几篇论文： [CL] Revisiting the Shape Convention of Transformer Language Models [MediaTek Research] https://arxiv.org/abs/2602.06471 --- [LG] Mentored Decoding: Faster Inference meets Boosting [Google] https://arxiv.org/abs/2609.30474 --- [CL] Persistent Negatives for Adversarial Black-Box On-Policy Distillation [Meta AI] https://arxiv.org/abs/2609.3086 --- [CL] Recursive Self-Improvement via On-Policy Distillation for Reasoning [Meta AI] https://arxiv.org/abs/2609.3065 --- [AI] Up and Down the Abstraction Ladder: Code-Based Skills for Language Agents [University of Warsaw & Princeton University & IDEAS NCBR] https://arxiv.org/abs/2609.3107 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] 从摸骨识AI、注意力瘦身到打分潜规则与智能体成本陷阱

  Sep 27, 202625 min

  今天我们将通过5篇最新论文，带你穿透大模型的繁华表象，看看那些反直觉的技术真相：从靠行文“骨相”98%精准揪出AI生成的商业套路，到用前后台分工机制让大模型长文本记忆学会优雅“偷懒”。我们还会聊聊为什么百倍价差的大小模型都会在人类的“人情潜规则”面前集体翻车，以及多智能体流水线里那些滚雪球般吃掉算力的“记忆注入隐形成本”。最后，当一个不懂职场边界的“主动型AI同事”直接空降进你的工作群，又将如何颠覆我们对人机协作的认知？准备好，让我们一起读透技术盲区，找回人类在智能时代独一无二的稀缺价值！ 00:00:46 为什么AI写不出真正的“人话”？一场关于文章“骨相”的底层破解 00:05:46 AI的“记忆减负”术，为什么最高效的系统，都懂得巧妙地“偷懒”？ 00:10:14 为什么最聪明的AI，也读不懂人类的“潜规则”？ 00:14:57 为什么越努力的AI“打工人”，越容易让你在不知不觉中“破产”？ 00:19:44 你的下一个好同事，可能根本不是人，带你读懂AI协作的底层真相 本期介绍的几篇论文： [CL] SlopShape: Identifying AI-Generated Commercial Web Content [J Madler / Sitefire] https://arxiv.org/abs/2609.15369 --- [CL] HySparse2: Hybrid Sparse Attention with Two-Level KV Sharing [J Wei, Y Gao, Q Zhang, S Chen… / LLM-Core Xiaomi] https://arxiv.org/abs/2609.26368 --- [CL] JEV vs. LLMs as Rubric Judges: Cheaper, Faster, and Wrong in the Same Places [D Rao, C Callison-Burch / University of Pennsylvania] https://arxiv.org/abs/2609.29769 --- [AI] Total Cost of Agency: Exact Attribution of Memory Injection Cost in Multi-Agent LLM Workflows [V K Singh, P Priyam, G Bhowmick] https://arxiv.org/abs/2609.2379 --- [AI] Working with Agentic 'Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work [R Qadri, R Denton, M Madaio, M Pushkarna,… / Google Research & Google DeepMind] https://arxiv.org/abs/2609.29901 在小宇宙查看该单集文稿

  ListenShow Notes

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.