今天我们不聊模型又变大了多少，而是聊几个让AI变得更聪明、更高效的“巧思”。我们会看到，AI如何用“笨办法”打破人类专家的优化极限，又为什么一本精心准备的“错题本”却教不会它自我反思。接着，我们会探索如何用“名师点拨”和“随身小抄”让AI低成本地自我进化。最后，看看如何让AI裁判学会投出更“聪明”的一票，而不仅仅是少数服从多数。准备好了吗？让我们一起看看，这些最新论文是如何用“四两拨千斤”的智慧，刷新我们对人工智能的认知。

00:00:40 人工智能时代，还有“最优解”这回事吗？

00:05:11 给AI上“错题本”，它就能学聪明吗？

00:09:37 AI自学的终极秘诀：不是“题海战术”，而是“名师点拨”

00:13:43 AI太贵用不起？这里有个“随身小抄”的省钱妙计

00:20:13 AI当裁判，如何投出更聪明的一票？

本期介绍的几篇论文：

[LG] CUDA-L2: Surpassing cuBLAS Performance for Matrix Multiplication through Reinforcement Learning

[DeepReinforce Team]

https://arxiv.org/abs/2512.02551

---

[LG] Synthetic Error Injection Fails to Elicit Self-Correction In Language Models

[UC Berkeley]

https://arxiv.org/abs/2512.02389

---

[LG] Guided Self-Evolving LLMs with Minimal Human Supervision

[Tencent AI Lab in Seattle & Washington University in St. Louis]

https://arxiv.org/abs/2512.02472

---

[LG] In-Context Distillation with Self-Consistency Cascades: A Simple, Training-Free Way to Reduce LLM Agent Costs

[Stanford University & Reve]

https://arxiv.org/abs/2512.02543

---

[LG] Distribution-Calibrated Inference time compute for Thinking LLM-as-a-Judge

[Google & Google DeepMind]

https://arxiv.org/abs/2512.03019