
11 月 10 日 · 26 分钟
![[人人能懂AI前沿] 从推测解码、世界模型到训练解耦:深入AI的“内功心法”](https://media-one.wavpub.com/covers/1b225f87-4eea-40e2-9522-fb4563ec9b2c/d48cb32e6dd1d52c.png?x-oss-process=image/resize,m_lfit,w_520,h_520/format,webp)
本期,我们将一起揭秘AI的几套最新“武功秘籍”。我们会看到,AI如何通过聪明的“实习生”机制实现疯狂提速;又如何为自己打造一个“驾校模拟器”,在行动前预判成败。更进一步,我们还会深入AI的“厨房”与“健身房”,看看科学家是如何为它定制私房菜谱、修炼训练内功,把它从一个“独行侠”培养成一个懂得协作的“项目主管”!
“快”与“好”的战争,AI是怎么悄悄提速的?
让AI学会“脑补”,需要分几步?
如何喂养一个聪明的AI?一份来自顶尖研究的私房菜谱
如何把一个“普通学生”AI,训练成“项目主管”?
AI训练的“内功心法”,快慢分开走
本期介绍的几篇论文:
[LG] DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation
[DeepSeek-AI & Peking University]
https://github.com/deepseek-ai/DeepSpec/blob/main/DSpark_paper.pdf
---
[CL] Qwen-AgentWorld: Language World Models for General Agents
[Qwen Team]
https://arxiv.org/abs/2606.24597
---
[AI] OpenThoughts-Agent: Data Recipes for Agentic Models
[UC Berkeley & Stanford University & JSC]
https://arxiv.org/abs/2606.24855
---
[AI] SPIRAL: Learning to Search and Aggregate
[Stanford University]
https://arxiv.org/abs/2606.23595
---
[LG] Improving Neural Network Training by Decoupling the Magnitude and Direction of Weight Vectors
[EPFL]
https://arxiv.org/abs/2606.25971
说明里标出的时间点,点一下跳过去

11 月 10 日 · 26 分钟

[人人能懂AI前沿] 3D持续打磨、多智能体博弈与微米级控制
11 月 9 日 · 24 分钟

[人人能懂AI前沿] 从元技能提炼、对抗性推理到物理世界的“柔性破界”
11 月 8 日 · 23 分钟

[人人能懂AI前沿] 从分配脑容量、无反馈破局到预测未来的代价
11 月 7 日 · 24 分钟
![[人人能懂AI前沿] 从推测解码、世界模型到训练解耦:深入AI的“内功心法”](https://media-one.wavpub.com/covers/1b225f87-4eea-40e2-9522-fb4563ec9b2c/d48cb32e6dd1d52c.png?x-oss-process=image/resize,m_lfit,w_400,h_400/format,webp)
AI可可AI生活 · 6 月 29 日 · 30 分钟
本期,我们将一起揭秘AI的几套最新“武功秘籍”。我们会看到,AI如何通过聪明的“实习生”机制实现疯狂提速;又如何为自己打造一个“驾校模拟器”,在行动前预判成败。更进一步,我们还会深入AI的“厨房”与“健身房”,看看科学家是如何为它定制私房菜谱、修炼训练内功,把它从一个“独行侠”培养成一个懂得协作的“项目主管”!
“快”与“好”的战争,AI是怎么悄悄提速的?
让AI学会“脑补”,需要分几步?
如何喂养一个聪明的AI?一份来自顶尖研究的私房菜谱
如何把一个“普通学生”AI,训练成“项目主管”?
AI训练的“内功心法”,快慢分开走
本期介绍的几篇论文:
[LG] DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation
[DeepSeek-AI & Peking University]
https://github.com/deepseek-ai/DeepSpec/blob/main/DSpark_paper.pdf
---
[CL] Qwen-AgentWorld: Language World Models for General Agents
[Qwen Team]
https://arxiv.org/abs/2606.24597
---
[AI] OpenThoughts-Agent: Data Recipes for Agentic Models
[UC Berkeley & Stanford University & JSC]
https://arxiv.org/abs/2606.24855
---
[AI] SPIRAL: Learning to Search and Aggregate
[Stanford University]
https://arxiv.org/abs/2606.23595
---
[LG] Improving Neural Network Training by Decoupling the Magnitude and Direction of Weight Vectors
[EPFL]
https://arxiv.org/abs/2606.25971
说明里标出的时间点,点一下跳过去

https://feed.xyzfm.space/wl9t7httkfd3复制内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

11 月 10 日 · 26 分钟

[人人能懂AI前沿] 3D持续打磨、多智能体博弈与微米级控制
11 月 9 日 · 24 分钟

[人人能懂AI前沿] 从元技能提炼、对抗性推理到物理世界的“柔性破界”
11 月 8 日 · 23 分钟