创作者写的节目说明

今天我们要拆解五篇极具启发性的最新论文，看看前沿算法如何颠覆我们对复杂系统的日常认知。在今天的节目中，你会听到庞大的AI系统如何被微小的“四舍五入”击垮，以及人类直觉如何与AI算力联手破解90年的数学悬案。我们还会探讨为什么旁观高手比盲目试错更有效，为什么满肚子道理的裁判反而带不出好徒弟，以及AI司机为何要抛弃人类经验去“左右互搏”。准备好升级你的认知模型了吗，让我们马上开启今天的硬核之旅！

越是庞大的系统，越容易被一个微小的“四舍五入”击垮

突破智力边界，当人类直觉遇上AI算力，一段推进90年数学悬案的启示

如何把普通人教成高手？一场来自人工智能训练的认知突围

为什么“懂道理”的裁判，反而带不出最优秀的徒弟？

抛弃人类老司机的经验，AI如何靠“左右互搏”成为驾驶高手？

本期介绍的几篇论文：

[LG] A Fix for Softmax and Cross-Entropy

[Google DeepMind]

https://arxiv.org/abs/2610.31642

---

[AI] Breaking the high-degree barrier in Lehmer's problem with a human-AI discovery loop

[Google DeepMind]

https://arxiv.org/abs/2610.30277

---

[LG] Reverse-KL Policy Distillation: Statistical Guarantees and Limits

[University of Virginia & Google Research]

https://arxiv.org/abs/2610.30844

---

[AI] Scaling Laws for Generative Reward Models

[Stanford University & SynthLabs.ai]

https://arxiv.org/abs/2610.30765

---

[RO] TerraTransfer++: Demonstration-Free End-to-End Planner

[Applied Intuition]

https://arxiv.org/abs/2610.30319

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

AI极度自信时，浮点四舍五入会把正确奖励抹成零，导致系统突然崩溃——病根在底层公式而非理论。

别处听不到的

Lehmer猜想九十年悬案的破法：AI捞出几百个高次候选解，人类察觉重复结构，折叠成七参数公式。

最打动人的

人类司机约一万六千小时才遇一次真正碰撞，这份「好经验」恰恰成了AI应对极端路况的盲区。

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

一个顶尖学霸每次快考满分就突然走火入魔——原因竟是计算机做加法时四舍五入了。这期把五篇AI论文讲成了五个反直觉故事：AI和人类联手破解九十年数学悬案，靠的是AI挖矿、人眼鉴宝；满肚子道理、考试满分的裁判，带出的学生反而不如只给结果的直觉型裁判；还有AI司机完全不用人类驾驶数据，在虚拟世界里左右互搏学会开车。每篇都落回普通人的学习与管理。

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

本期拆解五篇AI前沿论文，并各自落到普通人的认知启发上：Softmax与交叉熵因浮点四舍五入产生「弹弓效应」，修复只需重写底层公式；Lehmer猜想九十年悬案靠「AI搜索+人类直觉」的人机发现闭环突破高次壁垒；策略蒸馏论文指出老师亲自示范、学生旁观有时胜过盲目试错，且反馈要按学生实际处境调整严厉度；生成式奖励模型研究发现，只给结果不给推理的直觉型裁判反而带出更强的学生，因为深思熟虑型裁判易被「奖励黑客」钻空子；自动驾驶论文 TerraTransfer++ 完全抛弃人类驾驶数据，用几何虚拟世界左右互搏练决策、再蒸馏给视觉学生模型，真实测试超过传统方法。

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