本期节目，我们将一起潜入AI能力的最前沿，看看那些看似无所不能的大模型，究竟藏着哪些不为人知的秘密。我们会从一篇最新论文出发，揭示为何AI“学霸”其实是个严重的“偏科生”，又是如何靠“运气”搞科研的。接着，我们将探讨一种绝妙的改造思路，看看如何为只会“说”的AI装上“好耳朵”，让它更会理解。我们还会认识一位跨界的AI“野蛮人”，看它如何用18世纪的政治学知识，解决今天的计算机难题。最后，我们将解开两个关于AI核心能力的谜题：一个是看似“短视”的AI如何做到深谋远虑，另一个则是AI画画如何从“慢工出细活”进化到革命性的“一步到位”。

00:00:47 AI：从“学霸”到“科学家”，还有多远？

00:07:10 AI进化论：为什么聪明的模型需要一个好“耳朵”？

00:12:20 你的下一个科研搭子，可能是个AI

00:17:43 只会“接龙”的大模型，怎么就学会了深谋远虑？

00:22:33 从“慢工出细活”到“一步到位”，AI画画的效率革命

本期介绍的几篇论文：

[AI] Evaluating Large Language Models in Scientific Discovery

[Deep Principle & Cornell University & The Ohio State University]

https://arxiv.org/abs/2512.15567

---

[CL] T5Gemma 2: Seeing, Reading, and Understanding Longer

[Google DeepMind]

https://arxiv.org/abs/2512.14856

---

[AI] Let the Barbarians In: How AI Can Accelerate Systems Performance Research

[UC Berkeley]

https://arxiv.org/abs/2512.14806

---

[LG] Autoregressive Language Models are Secretly Energy-Based Models: Insights into the Lookahead Capabilities of Next-Token Prediction

[Google DeepMind]

https://arxiv.org/abs/2512.15605

---

[LG] SoFlow: Solution Flow Models for One-Step Generative Modeling

[Princeton University]

https://arxiv.org/abs/2512.15657