[人人能懂AI前沿] AI的笨功夫、马虎病与美食家难题

你有没有想过，AI画画是不是也需要打草稿？面对一个“马虎”的AI，我们除了让它变聪明，还能不能帮它“划重点”？本期节目，我们将一口气解锁五篇最新论文里的智慧：看AI如何用“笨功夫”画出惊艳作品，如何从“作弊”中学到创造力，甚至如何用“供应链”思维组建一个高效的AI团队。准备好，我们一起看看AI是如何学会更聪明地工作的。

00:00:32 AI画画的“笨功夫”

00:05:58 人工智能的“马虎”病，我们找到了一个药方

00:10:45 让AI设计个东西，它居然学会了“作弊”？

00:17:04 AI搞团队建设，为什么总像拉一个草台班子？

00:23:00 AI大模型的美食家难题，如何调配完美的学习菜单？

本期介绍的几篇论文：

[CV] One Pass Is Not Enough: Recursive Latent Refinement for Generative Models

[Simon Fraser University]

https://arxiv.org/abs/2605.15309

---

[CV] Minerva-Ego: Spatiotemporal Hints for Egocentric Video Understanding

[Google DeepMind]

https://arxiv.org/abs/2605.15342

---

[CL] Optimized Three-Dimensional Photovoltaic Structures with LLM guided Tree Search

[Google Research]

https://arxiv.org/abs/2605.16191

---

[LG] AstraFlow: Dataflow-Oriented Reinforcement Learning for Agentic LLMs

[CMU]

https://arxiv.org/abs/2605.15565

---

[CL] Always Learning, Always Mixing: Efficient and Simple Data Mixing All The Time

[New York University & CMU]

https://arxiv.org/abs/2605.15220