[人人能懂AI前沿] AI的“左右互搏”：从刷题陷阱到博弈破局

你有没有想过，为什么AI题刷得越多，反而越容易在简单问题上翻车？这一期，我们将一起潜入AI的内心世界，看看它们是如何陷入“应试教育”的陷阱，又是如何被“剪刀石头布”这样的逻辑死循环给困住的。但更重要的是，我们会发现，科学家们如何通过“读心术”和“记仇本”这样的奇思妙想，教会AI从失败中学习，并找到那条跳出困境的智慧之路。准备好，一场关于AI学习与评估的深度思考，现在开始。00:00:35 为什么AI刷题越多，第一次答对率反而越低？00:05:35 AI的“好记性”与“烂笔头”00:10:06 AI程序员的“应试教育”陷阱00:14:17 AI世界的“剪刀石头布”难题00:19:08 机器人教练的“读心术”本期介绍的几篇论文：[LG] Why Pass﹫k Optimization Can Degrade Pass﹫1: Prompt Interference in LLM Post-training  [Singapore University of Technology and Design & University of Maryland]  https://arxiv.org/abs/2602.21189 ---[LG] Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization  [Microsoft Research]  https://arxiv.org/abs/2602.23008 ---[LG] ISO-Bench: Can Coding Agents Optimize Real-World Inference Workloads?  [Lossfunk]  https://arxiv.org/abs/2602.19594 ---[LG] Back to Blackwell: Closing the Loop on Intransitivity in Multi-Objective Preference Fine-Tuning  [CMU]  https://arxiv.org/abs/2602.19041 ---[RO] TOPReward: Token Probabilities as Hidden Zero-Shot Rewards for Robotics  [University of Washington & Amazon]  https://arxiv.org/abs/2602.19313 在小宇宙查看该单集文稿