[人人能懂AI前沿] 从世界模型、判断力工程到反脆弱容错

今天我们要聊的5篇最新论文，正在悄悄颠覆AI与人类的进化逻辑：看机器人如何学会“闭眼想象”跑通物理世界的缩放定律，看代码智能体如何靠“裁判分离”把核心价值还给人类的判断力。我们还会拆解智能体如何将挫败转化为“可塑性”，以及大模型如何学会“与硬件错误共存”以打破能耗枷锁。最后，更会带你直面AI自我迭代中残酷的“赢家诅咒”，看清指标自嗨与真实能力的致命落差。

00:00:35 当机器人学会“闭上眼想象”，我们看到了从“盲盒”走向“科学”的必然

00:05:37 未来的工作法则，当AI负责干活，谁来负责拍板？

00:10:34 决定未来的不是你现在的能力，而是你的“经验转化率”

00:15:10 拥抱不完美的红利，从对抗错误，到利用错误

00:19:58 为什么越是看似完美的进步，越可能是一场精密的自我欺骗？

本期介绍的几篇论文：

[AI] RoboJEPA: Scaling Robotic Latent World Models

[FAIR at Meta]

https://arxiv.org/abs/2610.10515

---

[AI] Humanize: Judgement Engineering for Agentic Coding

[NVIDIA]

https://arxiv.org/abs/2610.08900

---

[AI] Agent Plasticity: Measuring Self-Improvement Through Experience

[UC Berkeley & Meta Superintelligence Labs]

https://arxiv.org/abs/2610.08902

---

[LG] Fault-tolerant foundation models

[MIT]

https://arxiv.org/abs/2610.10311

---

[AI] The Winner's Curse in LLM Self-Improvement Loops: Selection Noise, Lock-in, and Acceptance Rules

[Meta & Microsoft]

https://arxiv.org/abs/2610.09239