创作者写的节目说明

今天，我们将带你一口气读懂五篇极具启发的最新论文，看看AI如何用“反直觉”的方式重塑我们的认知：从给小模型“开卷提示”来预测未来潜力，到调优基准线戳破90%的技术降维神话；从让AI化身战略家自主进化“办事SOP”，到用最笨的死记硬背练就极速“元记忆”，最后我们还会揭秘，为什么AI的“胡说八道”与边缘的“单次事实”里，竟藏着科学发现的钥匙。准备好了吗？让我们一起开启今天硬核又通透的AI之旅！

遇见未来的“笨办法”，为什么给一点提示，就能看透事物的潜力？

为什么90%的“降维打击”，只是因为你没有发挥出真实的实力？

真正的高手，都在打造一套自我进化的“办事系统”

为什么越“笨”的功夫，反而能练出最快的脑子？

为什么AI的“胡说八道”里，藏着科学发现的秘密？

本期介绍的几篇论文：

[LG] Hinted Scaling Laws

[Stanford University]

https://arxiv.org/abs/2611.02270

---

[CL] Tune the Baseline First：Most of Muon's Scaled Weight Decay Gain Is a Tuning Gap， but Its Small Real Advantage Grows With Model Size

[E Xin]

https://arxiv.org/abs/2611.0252

---

[AI] Strategist: Evolving Reasoning with Agents

[Princeton University & Meta]

https://arxiv.org/abs/2611.03618

---

[LG] Meta-memorization and memorization scaling laws in transformers

[Princeton University]

https://arxiv.org/abs/2611.01564

---

[CL] Tracing the Scientific Discovery Capacity of LLMs to Their Training Data

[Johns Hopkins University]

https://arxiv.org/abs/2611.03617

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

新方法看似碾压老方法，把老方法参数调优后九成优势消失，剩下的微弱优势还会随模型变大而放大。

别处听不到的

用纯随机二进制数列训练模型，发现模型越大记新数据越快，注意力机制练成了抽象分类的图书管理员。

最打动人的

牛顿一生大量时间花在炼金术上，这个八卦引出发现与幻觉同源：想创新就得容忍犯错。

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

20分钟讲完五篇AI论文，每篇都从一个反直觉的点切入：给零分的小模型开卷提示反而能预测未来潜力；新方法看似碾压老方法，九成优势其实来自老方法参数没调好；AI自己写办事流程，成本降了近四成；模型越大记新东西反而越快；训练数据里只出现一次的边缘信息越多，AI越可能做出科学发现。每篇都配了生活化的类比，通勤路上就能听完。

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20分钟串讲五篇AI前沿论文，并逐篇落到普通人的认知启发：Hinted Scaling Laws 用「开卷提示」让小模型成绩平滑上升，从而预测大模型潜力；一篇基准调优论文指出新方法看似碾压老方法，其实90%优势来自老方法参数未调好；Strategist 系统让AI自己设计并迭代办事流程，在30个测试中准确率持平或更高、成本降近40%；元记忆论文发现模型越大记新数据越快，因为注意力机制练出了抽象索引能力；最后一篇指出训练数据中「单次事实」越多，AI科学发现能力越强，发现与幻觉同源。

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