我们总在惊叹AI变得多聪明，但你有没有想过，我们该如何从根基上，打造一个学得更快、身形更巧、感知更敏锐、评价更科学，甚至能自我进化的AI呢？本期节目，我们将通过五篇最新的AI论文，一次性揭开这些秘密。我们会聊聊AI学习速度原来只有四个“档位”；探讨如何给大模型“减肥”却不牺牲效果；见证AI如何拥有“听声辨位”的超能力；学习如何给眼花缭乱的AI科学地“排座次”；最后，我们还会看到一个“博士生”AI是如何手把手教出一个更聪明的“小学生”AI的。准备好了吗？让我们即刻出发，探索AI的底层构造蓝图。

00:00:45 人工智能学习的速度，原来只有四档

00:07:40 AI减肥记，如何不花钱还把活干好？

00:13:35 AI的“听声辨位”，我们离《三体》里的智子还有多远？

00:19:43 给AI大模型排座次，你信的榜单可能用错了尺子

00:26:35 让AI自己教自己，我们如何从根上培养一个更聪明的模型？

本期介绍的几篇论文：

[LG] A Theory of Universal Agnostic Learning

[Purdue University & Technion and Google Research]

https://arxiv.org/abs/2601.20961

---

[CL] ECO: Quantized Training without Full-Precision Master Weights

[Google Research & ISTA]

https://arxiv.org/abs/2601.22101

---

[AS] PhaseCoder: Microphone Geometry-Agnostic Spatial Audio Understanding for Multimodal LLMs

[Google DeepMind & Google AR]

https://arxiv.org/abs/2601.21124

---

[LG] Nonparametric LLM Evaluation from Preference Data

[LMU Munich & CMU & University of Cambridge]

https://arxiv.org/abs/2601.21816

---

[CL] Self-Improving Pretraining: using post-trained models to pretrain better models

[FAIR at Meta]

https://arxiv.org/abs/2601.21343