[人人能懂AI前沿] AI的精益之道：从做减法、加翻译到巧调参

这一期，我们来聊一个特别有意思的话题：如何用“巧劲”让AI变得更聪明？我们不再堆砌算力，而是探讨五篇最新论文带来的精妙思路。你会听到，有时候，真正的突破来自于一次大胆的“做减法”；有时候，我们只需在AI和它的工具之间，增加一个聪明的“随身翻译”。我们还会看到，如何像一个旁观者一样，精准确立AI每一步的功劳；如何为AI装上一个“记忆管理员”，让它学会管理自己的知识；以及，如何像动一次“微创手术”一样，只调整百万分之一的参数，就让AI掌握全新技能。00:00:45 让AI更聪明的秘密，竟然是做减法？00:05:54 你的AI编程助手，需要一个“随身翻译”00:11:43 你的员工，99%的努力都白费了？00:18:03 高手比拼的，是对记忆的管理能力00:23:08 给AI动个“小手术”，而不是“大换血”本期介绍的几篇论文：[CL] GFlowRL: Scaling Distribution-Matching RL to Large Language Models [Microsoft Research] https://arxiv.org/abs/2607.13394 ---[LG] Generative Compilation: On-the-Fly Compiler Feedback as AI Generates Code [ETH Zurich & INSAIT and Sofia University & UC Berkeley] https://arxiv.org/abs/2607.13921 ---[LG] TRACE: Turn-level Reward Assignment via Credit Estimation for Long-Horizon Agents [University of Wisconsin–Madison & Microsoft Research] https://arxiv.org/abs/2607.13988 ---[CL] Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [University of California Los Angeles] https://arxiv.org/abs/2607.13591 ---[LG] Data-Efficient Adaptation of LLMs via Attention Head Reweighting [Microsoft Research & Microsoft Security AI] https://arxiv.org/abs/2607.13425 在小宇宙查看该单集文稿