你有没有想过，为什么AI题刷得越多，反而越容易在简单问题上翻车？这一期，我们将一起潜入AI的内心世界，看看它们是如何陷入“应试教育”的陷阱，又是如何被“剪刀石头布”这样的逻辑死循环给困住的。但更重要的是，我们会发现，科学家们如何通过“读心术”和“记仇本”这样的奇思妙想，教会AI从失败中学习，并找到那条跳出困境的智慧之路。准备好，一场关于AI学习与评估的深度思考，现在开始。

00:00:35 为什么AI刷题越多，第一次答对率反而越低？

00:05:35 AI的“好记性”与“烂笔头”

00:10:06 AI程序员的“应试教育”陷阱

00:14:17 AI世界的“剪刀石头布”难题

00:19:08 机器人教练的“读心术”

本期介绍的几篇论文：

[LG] Why Pass﹫k Optimization Can Degrade Pass﹫1: Prompt Interference in LLM Post-training  

[Singapore University of Technology and Design & University of Maryland]  

https://arxiv.org/abs/2602.21189 

---

[LG] Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization  

[Microsoft Research]  

https://arxiv.org/abs/2602.23008 

---

[LG] ISO-Bench: Can Coding Agents Optimize Real-World Inference Workloads?  

[Lossfunk]  

https://arxiv.org/abs/2602.19594 

---

[LG] Back to Blackwell: Closing the Loop on Intransitivity in Multi-Objective Preference Fine-Tuning  

[CMU]  

https://arxiv.org/abs/2602.19041 

---

[RO] TOPReward: Token Probabilities as Hidden Zero-Shot Rewards for Robotics  

[University of Washington & Amazon]  

https://arxiv.org/abs/2602.19313