你有没有想过，一个学得更久的AI“尖子生”，为什么反而忘得更快？或者，想让AI更懂英语，最好的方法竟然是教它别的语言？本期节目，我们将一口气解锁五篇最新论文带来的“反常识”洞见。我们会发现，决定AI效率的瓶颈可能不是算力而是“管理”，与AI对话的成本可以靠一本“字典”轻松打个二折，而一个好的AI模拟世界，追求的不是“长得像”，而是“反应像”。

00:00:32 大模型训练的悖论，为什么学得越久，忘得越快？

00:06:02 AI的效率瓶颈，不是算力，是“管理”

00:12:33 想让AI更懂英语？那就别只喂它英语

00:18:46 跟AI对话，如何省下80%的话费？

00:24:39 你的“差不多”不是我的“差不多”，如何让AI的模拟世界更靠谱？

本期介绍的几篇论文：

[LG] All elementary functions from a single binary operator  

[Jagiellonian University]  

https://arxiv.org/abs/2603.21852 

---

[LG] Sample Complexity of Autoregressive Reasoning: Chain-of-Thought vs. End-to-End  

[Purdue University & The Hebrew University & Technion and Google Research]  

https://arxiv.org/abs/2604.12013 

---

[CL] Continuous Knowledge Metabolism: Generating Scientific Hypotheses from Evolving Literature  

[Central University of Finance and Economics & Beijing Institute of Technology & TsingyuAI]  

https://arxiv.org/abs/2604.12243 

---

[CL] LoSA: Locality Aware Sparse Attention for Block-Wise Diffusion Language Models  

[UC Berkeley]  

https://arxiv.org/abs/2604.12056 

---

[LG] The Linear Centroids Hypothesis: How Deep Network Features Represent Data  

[Rice University & Google Research & Brown University]  

https://arxiv.org/abs/2604.11962