[人人能懂] 从思想直连、逻辑闭环到奖励校准

你有没有想过，两个AI协作，能不能像科幻片里那样，直接“心灵感应”？我们又该如何判断，AI给出的正确答案，究竟是真懂了还是蒙对了？本期节目，我们将通过几篇最新论文，一起探索AI如何学会“读心术”进行合作，如何像侦探一样构建“逻辑闭环”，甚至如何从答案出发“倒着想”来优化学习。我们还会揭示AI为何会“越学越笨”，以及最聪明的AI或许拥有的终极能力——知道何时该“举手求助”。

00:00:36 当机器学会了“读心术”

00:05:58 你是怎么对的？比“你对不对”更重要

00:10:35 先有答案，再有过程：AI推理的逆向工程学

00:16:33 AI越学越笨？我们可能一开始就教错了

00:22:49 聪明人的超能力：知道何时该“求助”

本期介绍的几篇论文：

[CL] Thought Communication in Multiagent Collaboration

[CMU & Meta AI & MBZUAI]

https://arxiv.org/abs/2510.20733

---

[LG] DAG-Math: Graph-Guided Mathematical Reasoning in LLMs

[ University of Warwic & Google DeepMind & UC Berkeley]

https://arxiv.org/abs/2510.19842

---

[LG] No Compute Left Behind: Rethinking Reasoning and Sampling with Masked Diffusion Models

[Columbia University & New York University]

https://arxiv.org/abs/2510.19990

---

[LG] KL-Regularized Reinforcement Learning is Designed to Mode Collapse

[New York University & EPFL]

https://arxiv.org/abs/2510.20817

---

[CL] Ask a Strong LLM Judge when Your Reward Model is Uncertain

[Georgia Institute of Technology & Amazon]

https://arxiv.org/abs/2510.20369