你有没有想过，如何教AI像我们一样“知错能改”，而不是只会“一锤子买卖”？当一群AI协作时，怎样才能让它们像顶尖团队一样开好“复盘会”，而不是人多添乱？这一期，我们将一口气聊透五篇最新论文，看科学家们如何教会AI从“自我纠错”的智慧，进化到拥有“内在记忆”，甚至跨界变身，将工厂难题精准翻译成数学代码。准备好，一场关于AI如何学习“思考”的头脑风暴，马上开始！

00:00:34 AI界的“错题本”，如何教机器学会“三思而后行”？

00:06:11 人多不一定力量大，但聪明的团队会开“复盘会”

00:11:32 为什么你的AI“记不住事”？

00:17:27 算力的“跨界”妙用，如何让AI芯片干好分外的活？

00:23:58 AI“翻译官”，从工厂难题到数学代码

本期介绍的几篇论文：

[LG] Learning to Correct: Calibrated Reinforcement Learning for Multi-Attempt Chain-of-Thought  

[University of Michigan]  

https://arxiv.org/abs/2604.17912 

---

[LG] Scaling Test-Time Compute for Agentic Coding  

[Meta Superintelligence Labs]  

https://arxiv.org/abs/2604.16529 

---

[LG] The Topological Trouble With Transformers  

[Google DeepMind]  

https://arxiv.org/abs/2604.17121 

---

[LG] Enabling AI ASICs for Zero Knowledge Proof  

[Georgia Institute of Technology & MIT]  

https://arxiv.org/abs/2604.17808 

---

[LG] AutoOR: Scalably Post-training LLMs to Autoformalize Operations Research Problems  

[X, The Moonshot Factory & University of Oxford]  

https://arxiv.org/abs/2604.16804