[人人能懂AI前沿] 从开科研公司、以眼高治手低，到半程反馈、小团队循环与逃离旧经验

今天我们要聊的五篇最新论文，正在彻底颠覆我们对智能进化的认知：从让AI像“开科研公司”一样分工攻克数学难题，到利用“眼高手低”把苛刻审美直接内化成肌肉记忆；从告别“秋后算账”、学会在半山腰信任评判者，再到用“循环思考+混合专家”实现小模型逆袭，以及动用“注意力手术”斩断被旧信息绑架的惯性。这些前沿算法的底层突破，不仅展示了AI如何摆脱对盲目做大模型的依赖，更是一份能直接迁移到我们工作与生活中的高段位做事方法论。准备好了吗？让我们一起拆解这些聪明的解题思路。

00:00:43 当AI学会了“开公司搞科研”，我们该如何重新理解解决问题的逻辑？

00:05:39 为什么“眼高手低”反而是一件好事？从最新的人工智能进化法则说起

00:10:32 别等跑完全程才算成绩，从AI训练的新玩法，看普通人如何高效成事

00:15:58 别盲目扩张了，AI界刚刚摸透了“小团队打大胜仗”的底层逻辑

00:20:18 AI记性太好反而成了病？谈谈“旧信息”是如何绑架当下决策的

本期介绍的几篇论文：

[AI] Cogentic: Multi-Agent Orchestration for Automated Proof Discovery

[Google Research]

https://arxiv.org/abs/2609.40324

---

[AI] UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement

[Stanford University & Johns Hopkins University]

https://arxiv.org/abs/2609.38721

---

[LG] Trust the Critic More

[Stanford University]

https://arxiv.org/abs/2609.39247

---

[LG] Scaling Laws for Looped Mixture of Experts

[Meta AI]

https://arxiv.org/abs/2609.40316

---

[AI] When Context Changes: Understanding Update Failures in LLMs

[UC Berkeley]

https://arxiv.org/abs/2609.38866