创作者写的节目说明

今天我们要聊的五篇最新论文，正在打破对人工智能的固有刻板印象：不仅有带上“动态记事本”学会边走边想的新架构，还有靠彻底锚定“过去自我”来高效复盘的算法突破。你还会看到没有接收任何指令却在虚拟海岛上“自主玩耍”的机器，以及让小模型专攻战略、大模型专注执行的“思考空间进化”法。最后，我们还将揭秘机器人为什么也需要“挑食”，只在踮起脚尖刚好够得着的难度边缘极速蜕变——准备好，让我们一起进入这趟充满启发的前沿思维之旅！

抛弃死记硬背，AI开始学会“边走边想”

如何让AI最高效地“吃一堑长一智”？大模型进化算法的绝妙启发

当机器学会“贪玩”

聪明的决策者，都懂得在“思考空间”里下功夫

顶级AI的“挑食”智慧，为什么真正的成长，总是发生在“刚好够得着”的地方？

本期介绍的几篇论文：
[CL] Recurrent Looped Transformer

[Princeton University & University of Pennsylvania]

https://arxiv.org/abs/2610.07591

---

[LG] On KL-Regularized Policy Optimization

[Princeton University]

https://arxiv.org/abs/2610.08963

---

[AI] Is this machine playing?

[MIT]

https://arxiv.org/abs/2610.07130

---

[AI] Evolving in Thought Space: Training a Small Model at Test Time Unlocks Better Discoveries

[MIT & Hong Kong Polytechnic University]

https://arxiv.org/abs/2610.06269

---

[RO] A Balanced Data Diet: Addressing the Exploration Bottleneck in Mega-Scale RL for Robot Control

[University of Washington]

https://arxiv.org/abs/2610.12465

在小宇宙查看该单集文稿

说明里标出的时间点，点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的，不是节目方的宣传语

最值得听的

无任务无KPI的AI在小岛玩耍三十小时后，正式任务表现远超从未玩耍的同类

别处听不到的

AI在玩耍中无意发现连小岛设计师都不知道的物理现象：跳跃最高点扔方块会飞更高

最打动人的

它给自己定规矩、把圆环当王冠玩角色扮演，像一个被丢在沙滩上自己玩出世界观的孩子

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

一个被丢进虚拟小岛、没有任何任务指令的AI，三十小时里自己搭塔、摆星星、发明投篮和保龄球，之后在正式测试中远超从未玩耍的同类，还发现了连小岛设计师都不知道的物理现象。这期把五篇最新论文讲成了五个关于学习的故事：给AI装上会持续更新的动态记事本、把复盘基准锚定在过去的自己、把战略和执行拆给两个模型、只在成功率中等的任务上练习。每篇都落到普通人能用的认知方法上。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

本期解读五篇AI前沿论文，每篇都配了一层对普通人的启发。第一篇Recurrent Loop Transformer给AI装上「动态记事本」，让思考路径随问题长度延伸，超长任务准确率接近100%；第二篇KLPO把学习基准锚定在「过去的自己」身上，把复杂的比例换算变成简单减法，一次经验即可吸收教训；第三篇让一个无任务、无KPI的AI在虚拟小岛上自由玩耍三十小时，它自己搭塔、摆图案、发明投篮，之后在正式任务中远超从未玩耍的同类；第四篇Guidance TTT把「出主意的小模型」和「执行的大模型」分离，小模型只在思考空间做战略决策，成本大降却超过顶级方案；第五篇「均衡数据饮食」提出成功导向采样，只训练成功率中等的任务，让四足机器人和机械臂在百万级并行训练中快速掌握技能并直接迁移到现实。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立