1影片進階EN
Kimi K3 + GLM-5.3: Self-Improvement (RSI) Unlocked（在新分頁開啟原站）
探討 Kimi K3 與 GLM-5.3 如何透過 RSI（自適應自我改進）機制，在動態環境中持續最佳化自身表現。作者展示了模型如何從原始資料中學習，並透過自我反思提升泛化能力。
1.7 萬次觀看
※ 摘要僅根據標題與說明
Discover AI
YouTube ・ 國際 ・ 英文 ・ B 級 ・ 9.1 萬 訂閱 ・ 15 筆內容 ・ 最近更新 2026/10/01
Discover AI：論文解讀
最受歡迎
依人氣
- 2影片進階EN
NEW AI Reasoning: State of Thought (SoT)（在新分頁開啟原站）
這則影片探討了「狀態思維」（SoT）如何取代傳統的「思維鏈」（CoT），讓 AI 能自我感知並重新組織證據來進行推理。透過閉環機制，模型不再依賴外部提示，而是內建了持續演化的思考流程，大幅提升了推理效率與準確性。
8,885次觀看※ 摘要僅根據標題與說明
- 3影片進階EN
3 Papers on JEV AI: The Tiny Brother of an LLM for Options Only（在新分頁開啟原站）
這三篇論文探討了 JEV 決策模型在 AI 代理中的應用。論文分析了當 JEV 作為低成本審判者、控制者或受試者時，其基於信心度的升級機制如何影響決策有效性。
3,878次觀看※ 摘要僅根據標題與說明
- 4影片入門EN
The AI Singularity Starts With "ScientistTwo" (by Google)?（在新分頁開啟原站）
Google 的 ScientistTwo 影片探討 AI 奇點可能由人類知識驅動，而非單純依賴資料。影片介紹了該模型如何整合人類知識，並指出其潛力可能超越現有 AI 能力。
6,538次觀看※ 摘要僅根據標題與說明
- 5影片進階EN
Verified Graphs Beat AI Agent Swarms (in Science)（在新分頁開啟原站）
探討 LLM 間樹狀結構資訊傳遞的瓶頸，指出自然語言無法有效傳遞複雜邏輯。作者提出透過形式邏輯求解器進行審計，可恢復邏輯一致性，解決多智慧體協作中的表達瓶頸問題。
4,379次觀看※ 摘要僅根據標題與說明
- 6影片高階EN
RAG Just Became a Trainable Neural Graph (WikiFM)（在新分頁開啟原站）
介紹 Wiki Foundation Model (WFM)，一種將離散實體與連續文件嵌入結合的「LLM Wikis」架構，解決傳統稀疏圖的注意力坍縮問題。
5,080次觀看※ 摘要僅根據標題與說明
- 7影片進階EN
Beyond GraphRAG: Runtime Graph Repair (w/ Human Cognition)（在新分頁開啟原站）
探討了基於人類認知（Human Cognition）的動態圖修復技術，旨在解決大規模知識空間中的語義模式與結構缺失問題。該方法結合認知迴圈與雙向圖文協同，實現了第四代代理式 RAG 系統。
5,752次觀看※ 摘要僅根據標題與說明
- 4,100次觀看
※ 摘要僅根據標題與說明
- 9影片進階EN
Recursive-in-Recursive AI for Scientific AI Agents（在新分頁開啟原站）
ScienceBuddy 透過自適應最佳化與 GRPO 學習，讓 AI 科學代理能根據人類專家修正自我提升。該工具將研究者的請求轉化為可執行的發現任務，並透過 GWAS 與文獻推理，將準確率從 42.2% 提升至 73.3%。
3,091次觀看※ 摘要僅根據標題與說明
- 10影片入門EN
Superintelligence Labs & MIT invent new LLM: The CLM（在新分頁開啟原站）
MIT、Meta 與 UW 聯合研發新型大語言模型 CLM，旨在解決傳統 LLM 成本與速度問題。
343次觀看※ 摘要僅根據標題與說明
最新內容
依發布時間
- 影片入門EN
Superintelligence Labs & MIT invent new LLM: The CLM（在新分頁開啟原站）
MIT、Meta 與 UW 聯合研發新型大語言模型 CLM，旨在解決傳統 LLM 成本與速度問題。
343次觀看※ 摘要僅根據標題與說明
- 影片高階EN
From AI Persona Vectors to Riemannian Geometry（在新分頁開啟原站）
探討 AI 人格空間的曲率問題，從向量表示演進至黎曼幾何，揭示如何透過曲率概念使 AI 人格更自洽。
3,554次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Multi-Agent AI for Mental Health: MACBT Clinical Psychotherapy（在新分頁開啟原站）
介紹了 MACBT 系統，一款結合認知行為療法與多智慧體技術的心理治療決策支援系統。系統利用新型認知扭曲記憶機制，協助臨床心理師進行治療決策。
472次觀看※ 摘要僅根據標題與說明
- 影片進階EN
958 Features That Reveal an AI’s Identity（在新分頁開啟原站）
本影片由清華大學團隊製作，透過分析 LLM 的「代理行為」來識別其身份，揭示了 958 個特徵。讀者可學習如何從行為模式反推模型來源。
2,089次觀看※ 摘要僅根據標題與說明
- 影片進階EN
JitMem: Optimizing AI Memory at Read Time（在新分頁開啟原站）
Salesforce 推出 JitMem，透過即時任務適配機制，在 LLM 執行器固化前保留原始路徑，避免早期資訊遺失。此方法讓模型能更精確地從過往經驗中學習，並提升訓練效率。
3,092次觀看※ 摘要僅根據標題與說明
- 影片進階EN
The "God Particle" of AI: Building Infinite Agents with One Command (MIT)（在新分頁開啟原站）
探討如何透過「Invoke」函式讓 AI 產生複雜行為，並介紹了 Harness 框架。讀者將掌握如何設計能自主運作的 AI 代理，讓它們能執行多步驟任務。
※ 摘要僅根據標題與說明
- 影片進階EN
3 Papers on JEV AI: The Tiny Brother of an LLM for Options Only（在新分頁開啟原站）
這三篇論文探討了 JEV 決策模型在 AI 代理中的應用。論文分析了當 JEV 作為低成本審判者、控制者或受試者時，其基於信心度的升級機制如何影響決策有效性。
3,878次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Verified Graphs Beat AI Agent Swarms (in Science)（在新分頁開啟原站）
探討 LLM 間樹狀結構資訊傳遞的瓶頸，指出自然語言無法有效傳遞複雜邏輯。作者提出透過形式邏輯求解器進行審計，可恢復邏輯一致性，解決多智慧體協作中的表達瓶頸問題。
4,379次觀看※ 摘要僅根據標題與說明
- 影片進階EN
NEW AI Reasoning: State of Thought (SoT)（在新分頁開啟原站）
這則影片探討了「狀態思維」（SoT）如何取代傳統的「思維鏈」（CoT），讓 AI 能自我感知並重新組織證據來進行推理。透過閉環機制，模型不再依賴外部提示，而是內建了持續演化的思考流程，大幅提升了推理效率與準確性。
8,885次觀看※ 摘要僅根據標題與說明
- 影片入門EN
The AI Singularity Starts With "ScientistTwo" (by Google)?（在新分頁開啟原站）
Google 的 ScientistTwo 影片探討 AI 奇點可能由人類知識驅動，而非單純依賴資料。影片介紹了該模型如何整合人類知識，並指出其潛力可能超越現有 AI 能力。
6,538次觀看※ 摘要僅根據標題與說明
- 影片高階EN
RAG Just Became a Trainable Neural Graph (WikiFM)（在新分頁開啟原站）
介紹 Wiki Foundation Model (WFM)，一種將離散實體與連續文件嵌入結合的「LLM Wikis」架構，解決傳統稀疏圖的注意力坍縮問題。
5,080次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Recursive-in-Recursive AI for Scientific AI Agents（在新分頁開啟原站）
ScienceBuddy 透過自適應最佳化與 GRPO 學習，讓 AI 科學代理能根據人類專家修正自我提升。該工具將研究者的請求轉化為可執行的發現任務，並透過 GWAS 與文獻推理，將準確率從 42.2% 提升至 73.3%。
3,091次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Kimi K3 + GLM-5.3: Self-Improvement (RSI) Unlocked（在新分頁開啟原站）
探討 Kimi K3 與 GLM-5.3 如何透過 RSI（自適應自我改進）機制，在動態環境中持續最佳化自身表現。作者展示了模型如何從原始資料中學習，並透過自我反思提升泛化能力。
1.7 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Beyond GraphRAG: Runtime Graph Repair (w/ Human Cognition)（在新分頁開啟原站）
探討了基於人類認知（Human Cognition）的動態圖修復技術，旨在解決大規模知識空間中的語義模式與結構缺失問題。該方法結合認知迴圈與雙向圖文協同，實現了第四代代理式 RAG 系統。
5,752次觀看※ 摘要僅根據標題與說明
- 4,100次觀看
※ 摘要僅根據標題與說明
