这一期，我们将一起探索AI的“大脑”有没有可能像一张能被看懂的设计图，并看看AI如何反过来帮我们给维基百科“捉虫”。接着，我们会聊聊当AI“人多力量大”时，如何聪明地选出最佳方案，以及机器人模仿人类动作时，到底什么才是精髓。最后，一个颠覆性的发现会告诉我们：训练AI解题高手，最“笨”的方法有时竟然是最好的方法。

00:00:31 AI的“大脑”长啥样？一份来自未来的设计图

00:06:05 维基百科这位“巨人”，也会自己打自己吗？

00:10:22 人多不一定力量大，除非你懂得怎么选

00:14:43 机器人模仿秀：差的那口气，终于有人补上了

00:20:22 高手之路：有时，“最笨”的方法就是最好的方法

本期介绍的几篇论文：

[LG] The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain

[Pathway]

https://arxiv.org/abs/2509.26507

---

[CL] Detecting Corpus-Level Knowledge Inconsistencies in Wikipedia with Large Language Models

[Stanford University]

https://arxiv.org/abs/2509.23233

---

[LG] The Unreasonable Effectiveness of Scaling Agents for Computer Use

[Simular Research]

https://arxiv.org/abs/2510.02250

---

[RO] OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction

[Amazon FAR]

https://arxiv.org/abs/2509.26633

---

[LG] Random Policy Valuation is Enough for LLM Reasoning with Verifiable Rewards

[Hong Kong University of Science and Technology & Kuaishou Technology]

https://arxiv.org/abs/2509.24981

[人人能懂] 从大脑设计图、全局一致性到随机探索的价值

AI可可AI生活

[人人能懂] 从大脑设计图、全局一致性到随机探索的价值