都说AI变聪明要靠“大力出奇迹”，但如果这个“大力”用错了地方，会发生什么？今天，我们就从几篇最新论文出发，聊聊为什么给AI请个“私教”比题海战术更有效，为什么看似无害的数据重复会悄悄吃掉你三分之一的预算，以及为什么那个更快的AI，反而会让你等得更久。我们还会揭示AI“抠门”的智慧，以及藏在模型变强背后，那套如同物理定律般的神秘“公式”。准备好了吗？让我们一起刷新对AI的认知！

00:00:36 AI的私教，如何让机器给自己出“最合适”的题？

00:06:37 AI 模型的“垃圾食品”，为什么重复数据会悄悄吃掉你三分之一的预算？

00:11:58 为什么那个更快的AI，反而让你等得更久？

00:17:10 “抠门”的智慧，如何打造便宜又好用的AI？

00:21:40 AI变强的秘密，不是“大力出奇迹”

本期介绍的几篇论文：

[AI] Autodata: An agentic data scientist to create high quality synthetic data

[FAIR at Meta]

https://arxiv.org/abs/2606.25996

---

[LG] Internal Data Repetition Destroys Language Models

[Stanford University & Tel Aviv University]

https://arxiv.org/abs/2606.24998

---

[LG] Quantization Inflates Reasoning: Token Inflation as a Hidden Cost of Low-Bit Reasoning Models

[University of Illinois Urbana-Champaign & Microsoft & Anyscale]

https://arxiv.org/abs/2606.25519

---

[CL] BitNet Text Embeddings

[Microsoft Research & Peking University]

https://arxiv.org/abs/2606.25674

---

[LG] Neural Scaling Universality: If Exponents Are Fixed, Time to Understand Coefficients

[MIT]

https://arxiv.org/abs/2606.25008