
[人人能懂AI前沿] 从AI社会的回音室、认知挽具到机器人的直觉小脑
11 月 22 日 · 32 分钟
![[人人能懂AI前沿] 从精准做减法、动态折叠到构建AI实验室](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)
今天我们要分享五篇极具启发性的最新论文,带你看看AI如何通过反直觉的方式突破瓶颈。你会听到AI为什么靠“精准删除”权重反而变得更强,以及它如何用“动态折叠”读懂复杂杂乱的人体密码。我们还会探讨为什么刻意制造“信息匮乏”能激发AI的创造力,并看看最聪明的AI为何在现实的“具身大考”中连个杯子都拿不稳。最后,我们将一起见证人类的静态文献,是如何变成AI自主试错的“动态实验室”的。
为什么最顶级的进化,往往只需要做减法?
万物皆可连接,一个读懂人体密码的AI,教我们如何应对复杂世界
为什么知道得越少,你的创造力反而越强?从AI科学家的反常识实验说起
为什么最聪明的AI,到了现实世界却连个杯子都拿不稳?
把人类的知识库变成AI的“实验室”,知识迭代的下一个阶段
本期介绍的几篇论文:
[LG] The Surprising Effectiveness of Deleting Weights in LLM Post-Training
[New York University & University of Calgary]
https://arxiv.org/abs/2611.10866
---
[AI] PhysioWave-T: Token-Efficient Wavelet Foundation Models for Biosignals
[Nanyang Technological University & University of Modena and Reggio Emilia & ETH Zürich]
https://arxiv.org/abs/2611.08969
---
[CL] Blind Variation, Selective Retention: Improving Creative Idea Generation in AI Scientists
[Stanford University]
https://arxiv.org/abs/2611.12184
---
[RO] Embodied First Exam
[Northwestern University & CMU & UC Berkeley]
https://arxiv.org/abs/2611.12177
---
[AI] Scientist World: Grow a Research World for AI-Scientists
[Princeton University]
https://arxiv.org/abs/2611.08478
说明里标出的时间点,点一下跳过去
AI 从整集转写里归纳的,不是节目方的宣传语
只关闭约0.05%权重就能让模型获得新能力,升级包缩小成百上千倍且几乎不遗忘旧本事。
具身大考逐帧分析失败录像,发现AI卡在接触物体的第一步,瓶颈是容错率而非感知。
一个三岁孩子抓起滚动的皮球,背后是对空间、重力和肌肉协调的实时计算,AI却难以稳定做到。
AI 读完整集转写后给出的推荐理由
五篇最新AI论文被串成一条反直觉主线:模型只删掉0.05%的权重反而更强,升级包从几十GB缩到几MB;给杂乱生理信号建大使馆再折叠,计算量降到四分之一;刻意让AI信息匮乏,它反而跨界想出好点子;最聪明的AI在现实里拿杯子成功率从80%跌到30%,卡在接触物体的第一步;把论文库改造成实验室后,AI有84%概率跑赢人类基准。每篇都配一个能用到工作里的类比。
由 AI 从整集转写生成,是创作者说明之外的补充
本期解读五篇AI前沿论文:一、LLM后训练中精准删除约0.05%权重即可获得新能力,升级包缩小成百上千倍且缓解灾难性遗忘;二、PhysioWave-T用设备专属前端接口加动态尺度折叠,统一处理通道数各异的生理信号,计算量降至四分之一到七分之一;三、盲目变异与选择性保留两步机制,证明刻意制造信息匮乏能提升AI科学家的创意产出;四、具身大考显示顶尖AI在特权模式成功率近80%,标准模式跌至约30%,失败多发生在接触物体的第一步,核心瓶颈是容错率而非感知;五、把静态论文改造成可运行实验室,AI在改进模式84%、创新模式74%概率超越人类基准,且高分与算力消耗无关。每篇都附有对普通人工作与生活的类比启发。
点一章从那里开始播 · 与上面创作者标的时间点各自独立
开场:五篇论文的清单
主播coco介绍本期将解读五篇AI论文,预告精准删除权重、动态折叠、信息匮乏、具身大考与AI实验室五个主题。
精准删除权重:做减法反而更强
讲述LLM后训练中只关闭约0.05%权重即可获得新能力,升级包缩小成百上千倍,并缓解灾难性遗忘。原因是模型早已具备能力,删除只是剔除干扰噪音。
PhysioWave-T:给杂乱信号建大使馆
生理信号通道数与采样率五花八门,传统做法删通道或补零会丢信息。论文为每类设备设计专门前端接收器,把方言翻译成通用语言,核心模型专心学规律。
动态折叠与可靠性加权
动态尺度折叠按信号特点分配权重,把计算量降到四分之一到七分之一。系统还给各信号源实时打可靠性分,传感器脱落时调低其权重,类比团队中动态评估信息渠道。
信息越少,创意越强
盲目变异与选择性保留两步机制:先隐瞒细节让AI跨界找灵感,再用历史经验严苛筛选。探索与执行所需条件相反,构思时戴眼罩、执行时摘眼罩。
具身大考:为什么拿不稳杯子
顶尖AI在特权模式成功率近80%,标准模式跌至约30%。失败多发生在接触物体的第一步,关键瓶颈是容错率而非感知——现实没有重置键和上帝视角。
把论文库改造成AI实验室
将静态文献转化为可运行的研究环境,禁止靠堆算力作弊。AI在改进模式84%、创新模式74%概率超越人类基准,且高分与算力消耗几乎无关。
知识从静态文本到动态关卡
知识的下一个形态是可执行、可互动的环境,AI从搬运工变为探索者,形成科学发现与AI进化的正向循环。主播总结五篇论文的共同启示并收尾。

[人人能懂AI前沿] 从AI社会的回音室、认知挽具到机器人的直觉小脑
11 月 22 日 · 32 分钟

11 月 21 日 · 23 分钟

[人人能懂AI前沿] 从反事实复盘、算法单一种植到AI的物理直觉
11 月 20 日 · 24 分钟

11 月 19 日 · 23 分钟
![[人人能懂AI前沿] 从精准做减法、动态折叠到构建AI实验室](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 · 11 月 13 日 · 22 分钟
今天我们要分享五篇极具启发性的最新论文,带你看看AI如何通过反直觉的方式突破瓶颈。你会听到AI为什么靠“精准删除”权重反而变得更强,以及它如何用“动态折叠”读懂复杂杂乱的人体密码。我们还会探讨为什么刻意制造“信息匮乏”能激发AI的创造力,并看看最聪明的AI为何在现实的“具身大考”中连个杯子都拿不稳。最后,我们将一起见证人类的静态文献,是如何变成AI自主试错的“动态实验室”的。
为什么最顶级的进化,往往只需要做减法?
万物皆可连接,一个读懂人体密码的AI,教我们如何应对复杂世界
为什么知道得越少,你的创造力反而越强?从AI科学家的反常识实验说起
为什么最聪明的AI,到了现实世界却连个杯子都拿不稳?
把人类的知识库变成AI的“实验室”,知识迭代的下一个阶段
本期介绍的几篇论文:
[LG] The Surprising Effectiveness of Deleting Weights in LLM Post-Training
[New York University & University of Calgary]
https://arxiv.org/abs/2611.10866
---
[AI] PhysioWave-T: Token-Efficient Wavelet Foundation Models for Biosignals
[Nanyang Technological University & University of Modena and Reggio Emilia & ETH Zürich]
https://arxiv.org/abs/2611.08969
---
[CL] Blind Variation, Selective Retention: Improving Creative Idea Generation in AI Scientists
[Stanford University]
https://arxiv.org/abs/2611.12184
---
[RO] Embodied First Exam
[Northwestern University & CMU & UC Berkeley]
https://arxiv.org/abs/2611.12177
---
[AI] Scientist World: Grow a Research World for AI-Scientists
[Princeton University]
https://arxiv.org/abs/2611.08478
说明里标出的时间点,点一下跳过去
AI 从整集转写里归纳的,不是节目方的宣传语
只关闭约0.05%权重就能让模型获得新能力,升级包缩小成百上千倍且几乎不遗忘旧本事。
具身大考逐帧分析失败录像,发现AI卡在接触物体的第一步,瓶颈是容错率而非感知。
一个三岁孩子抓起滚动的皮球,背后是对空间、重力和肌肉协调的实时计算,AI却难以稳定做到。
AI 读完整集转写后给出的推荐理由
五篇最新AI论文被串成一条反直觉主线:模型只删掉0.05%的权重反而更强,升级包从几十GB缩到几MB;给杂乱生理信号建大使馆再折叠,计算量降到四分之一;刻意让AI信息匮乏,它反而跨界想出好点子;最聪明的AI在现实里拿杯子成功率从80%跌到30%,卡在接触物体的第一步;把论文库改造成实验室后,AI有84%概率跑赢人类基准。每篇都配一个能用到工作里的类比。
由 AI 从整集转写生成,是创作者说明之外的补充
本期解读五篇AI前沿论文:一、LLM后训练中精准删除约0.05%权重即可获得新能力,升级包缩小成百上千倍且缓解灾难性遗忘;二、PhysioWave-T用设备专属前端接口加动态尺度折叠,统一处理通道数各异的生理信号,计算量降至四分之一到七分之一;三、盲目变异与选择性保留两步机制,证明刻意制造信息匮乏能提升AI科学家的创意产出;四、具身大考显示顶尖AI在特权模式成功率近80%,标准模式跌至约30%,失败多发生在接触物体的第一步,核心瓶颈是容错率而非感知;五、把静态论文改造成可运行实验室,AI在改进模式84%、创新模式74%概率超越人类基准,且高分与算力消耗无关。每篇都附有对普通人工作与生活的类比启发。
点一章从那里开始播 · 与创作者标的时间点各自独立
开场:五篇论文的清单
精准删除权重:做减法反而更强
PhysioWave-T:给杂乱信号建大使馆
动态折叠与可靠性加权
信息越少,创意越强
具身大考:为什么拿不稳杯子
把论文库改造成AI实验室
知识从静态文本到动态关卡
节目里自然聊到的,不是广告

AI 对内容的推测
☕🧄 这个比喻出自 2009 年周立波的一句「喝咖啡的怎么能和吃大蒜的呆在一起呢」;郭德纲后来在《你要高雅》里回了一句「雅和俗分不开,喝着咖啡就着大蒜,秋水共长天一色」。我们借它标注风格取向 —— 两端没有高下,编辑部式与熟人局式都能做出极好的节目。
https://feed.xyzfm.space/wl9t7httkfd3复制概要、章节、提及与推广标注由 AI 生成,可能有误;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 →

[人人能懂AI前沿] 从AI社会的回音室、认知挽具到机器人的直觉小脑
11 月 22 日 · 32 分钟

11 月 21 日 · 23 分钟

[人人能懂AI前沿] 从反事实复盘、算法单一种植到AI的物理直觉
11 月 20 日 · 24 分钟