创作者写的节目说明

今天这几篇最新论文将带你见证智能演进的硬核跃迁：我们将看到AI化身“理论物理学家”独立推导未知的量子规律，看到文本生成从僵硬的词汇跳跃演变成“连续平滑的画布”。我们还会深入设计未来芯片的智能体协同架构，理解教会算法在有限预算内果断断舍离的“倒计时学习法则”。而最让人振奋的是，最新研究用海量数据证明，那些不可言传的“审美与手感”，正是人类面对算法浪潮最坚固的底牌。

当AI开始自己推导物理规律，人类的价值将被倒逼向何方？

把离散的跳跃变成连续的舞蹈，一篇AI论文给我们的破局启示

造物主的烦恼，当AI开始替人类设计未来的AI芯片

你的努力，是不是用错了倒计时？

那些说不清的“手感”，正是人类面对AI最后的底牌

本期介绍的几篇论文：

[LG] The AI Theorist reveals excitonic structure in α-RuCl3

[University of Oxford & University of Waterloo & Stanford University]

https://arxiv.org/abs/2610.0241

---

[CL] Large Language Continuous Diffusion Models

[NVIDIA]

https://arxiv.org/abs/2610.02665

---

[AI] Coco: An Agentic Copilot for the Hardware--Software Co-Design Lifecycle

[Google & Google DeepMind]

https://arxiv.org/abs/2610.0237

---

[LG] Planning to Learn

[Google DeepMind]

https://arxiv.org/abs/2610.03667

---

[AI] Verifiable, Articulable, and Tacit Components of Preference

[Stanford University & University of Toronto]

https://arxiv.org/abs/2610.03025

在小宇宙查看该单集文稿

说明里标出的时间点，点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的，不是节目方的宣传语

最值得听的

近三亿条人类偏好数据显示，写代码和做数学证明时仍有20%以上的判断无法用语言说清。

别处听不到的

把AI训练中的短视法与无限耐心法对应到高考偏科和修旧电器两个日常场景，讲清倒计时如何改变资源分配。

最打动人的

AI理论家发现自己的假设对不上实验数据后停下来分析误差、修改假设重新推导，还留下一个可验证的预言。

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

28分钟讲完五篇AI论文，每篇都落到一个能用的思维模型。最反直觉的是最后一篇：研究者统计了近三亿条人类偏好数据，发现在写代码和做数学证明这种「最该讲道理」的领域，仍有20%以上的判断说不清理由，而且参与评判的人越多，说不清的部分越大。前面四篇也各有具体机制——AI理论家如何自己改假设、连续扩散模型为什么算力不够也不会崩、芯片设计里通用AI为什么会一本正经地胡说八道。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

本期用28分钟串讲五篇AI前沿论文，每篇都落到一个普通人可用的思维模型。第一篇讲「AI理论家」系统如何自主读文献、提假设、做验证，独立推导出解释量子材料特性的微观物理模型，并指出人类角色正从解题人转向出题人。第二篇讲大型语言连续扩散模型，把离散的逐词生成变成十六维连续空间里的平滑生成，带来可微调的「方向盘」和资源不足时的「优雅降级」。第三篇讲芯片软硬件协同设计中的Coco智能体平台，用结构化数据库、工具化工作流和界面级上下文感知四层脚手架解决通用AI在专业数据上胡说八道的问题。第四篇讲Planning to Learn提出的地平线损失，把剩余预算纳入资源分配，避免短视法与无限耐心法两个陷阱。第五篇用近三亿条人类偏好数据证明，即便在编程、数学领域也有20%以上的偏好不可言传，隐性知识是人类最后的护城河。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立