你有没有想过，要让AI变得更聪明，除了让它“读万卷书”，我们还能不能让它在虚拟世界里“行万里路”，像玩“模拟人生”一样学会物理？当很多聪明的算法凑在一起反而“掉链子”时，我们如何用“乐高积木”的思路化繁为简？这一期，我们将一起探寻几份最新论文带来的启发：从像婴儿一样在“思想实验”中探索世界，到用一张“知识地图”代替“知识词典”来解决复杂问题，甚至让AI学会“自我怀疑”，从而变得又快又好。准备好了吗？让我们一起出发！

00:00:38 AI版“模拟人生”让机器在虚拟世界里学会物理

00:05:56 从1到N如何让你的数据分析稳上加稳？

00:12:14 AI养娃我们可能找到了让机器像婴儿一样学习的秘密

00:18:01 高手解决问题，靠的是地图，而不是词典

00:24:14 AI的自我怀疑，一个让大模型又快又好的新思路

本期介绍的几篇论文：

[LG] Solving Physics Olympiad via Reinforcement Learning on Physics Simulators  

[CMU & Lambda]  

https://arxiv.org/abs/2604.11805 

---

[LG] Replicable Composition  

[University of Maryland & Google Research]  

https://arxiv.org/abs/2604.10423 

---

[LG] Zero-shot World Models Are Developmentally Efficient Learners  

[Stanford University]  

https://arxiv.org/abs/2604.10333 

---

[CL] Structure-Grounded Knowledge Retrieval via Code Dependencies for Multi-Step Data Reasoning  

[Microsoft & Simon Fraser University & University of Science and Technology of China]  

https://arxiv.org/abs/2604.10516 

---

[LG] Introspective Diffusion Language Models  

[Together AI]  

https://arxiv.org/abs/2604.11035