[人人能懂] 从结构稀疏、自我博弈到过程奖励

我们总觉得AI的发展就是更大、更强、更耗电，但今天我们要聊点不一样的。本期节目，我们将看到科学家们如何用一系列“四两拨千斤”的巧思，解决AI发展中的大难题。我们会聊到，如何向我们自己的眼睛“偷师”给AI一个天生好骨架，如何让AI自己给自己出题实现永动式学习，甚至如何通过一个被遗忘的“开关”和打上“过程分”，让训练事半功倍。这些最新论文的洞见，不仅关乎技术，更是一堂堂关于如何聪明解决问题的思维课。00:00:38 AI瘦身指南：向你的眼睛“偷”个师00:05:32 AI的终极自学法：如何自己给自己出题？00:10:35 AI训练场上的“鬼打墙”：一个被遗忘的开关如何解决大问题00:15:36 AI写作的“两难”：如何让机器既懂“感觉”又懂“规矩”？00:20:28 AI也需要“过程分”：从“废料”里炼金本期介绍的几篇论文：[LG] Topographical sparse mapping: A neuro-inspired sparse training framework for deep learning models[University of Surrey]https://www.sciencedirect.com/science/article/pii/S0925231225024129---[CL] SPICE: Self-Play In Corpus Environments Improves Reasoning[FAIR at Meta]https://arxiv.org/abs/2510.24684---[LG] Defeating the Training-Inference Mismatch via FP16[Sea AI Lab]https://arxiv.org/abs/2510.26788---[LG] CANDI: Hybrid Discrete-Continuous Diffusion Models[Purdue University & Google DeepMind]https://arxiv.org/abs/2510.22510---[CL] Repurposing Synthetic Data for Fine-grained Search Agent Supervision[Alibaba Group]https://arxiv.org/abs/2510.24694在小宇宙查看该单集文稿