Aller au contenu

[EP58]Zhihao| 从自动科研到世界模型:教育为什么需要更好的反馈?

9 septembre 2026 · 59 min

Notes de l’épisode

大家好,欢迎回到《教育AI智造者》。

当 AI 可以在几秒内给出一份调研、一个研究路径、一段代码,甚至一个看起来完整的解释时,“得到答案”正在变得前所未有地容易。但这也让另一个问题变得更尖锐:我们究竟是在搜索已经存在的知识,还是在做研究?AI 替我们把事情完成,和我们真正理解其中的判断与证据,之间又差了什么?

这一期,我们邀请到Zhihao。他目前在香港中文大学攻读 AI 方向博士,关注具身智能中的 self-evolving agent(自我进化智能体)与 world model(世界模型),也做过自动化科研相关的开源实践。对他来说,研究不是某一类人专属的神秘活动,而是一个持续提出假设、寻找证据、验证并消除不确定性的过程;产品、工程和教育,也都可能有同样的结构。

对谈从Auto Research讲起:让智能体自动科研,真正困难的不只是让它“会做事”,而是定义一个可信的评估器。模型能力不足,或评估信号偏离目标,都会让自我优化朝错误方向加速。于是,研究品味(research taste)不再只是抽象的审美:它落在什么问题值得做、什么指标算进步、哪些反馈必须由人介入。

我们也把这个问题带到教育。数学和编程相对容易验证,教育中的学习、兴趣、情绪与认知变化却很难被简单的点击量、观看时长或一次考试完全捕捉。面对难以操作化的反馈信号,技术可以提供新的观察和模拟工具,但教师的判断、学习者的自我觉察,以及对“什么才算学会”的持续追问,仍然不能被一个漂亮的指标替代。

后半段,我们聊到世界模型:它不只是生成逼真视频,也不等于模型能用文字描述“杯子掉到地上会碎”。在本期采用的理解里,一个更完整的世界模型需要能推演状态变化、将状态渲染为可观察的画面,并根据目标输出行动。它之所以令人兴奋,是因为仿真环境或许能让机器人和智能体以更低成本反复试错;它之所以仍然困难,是因为物理世界的数据远比数字世界稀缺,真实世界的状态也远比表面画面复杂。

这期节目表面上讨论的是自动科研与世界模型,更深处讨论的其实是:

当 AI 的杠杆越来越长,我们如何不只是把判断外包出去,而是借它更清楚地认识问题、认识证据,也认识自己?

内容大纲

- 为什么Zhihao会从自己的科研需求出发,做自动化科研相关的开源项目?

- 搜索(search)和研究(research)的边界在哪里?“互联网上已经有答案”和“需要产生新知识”有什么区别?

- 对陌生问题先问 AI:这是效率提升,还是探索模型能力边界的一种方法?

- AI 已经替你总结论文之后,怎样避免“我以为我懂了”?

- 如何用自己的知识框架、Notion 或 Obsidian,让 AI 的信息进入而不是取代你的理解?

- 为什么复述、重讲和费曼学习法,仍然是检验理解的必要动作?

- Auto Research 自动化的到底是什么?评估器、搜索策略与人类介入分别承担什么角色?

- 基础模型能力与评估器质量,为什么是自我进化智能体的两条边界条件?

- “研究品味”如何具体地体现在定义问题、设定指标和判断方向上?

- 教育中的总结性评估与形成性评估,怎样对应不同类型的反馈信号?

- 点击、停留时长和完成率,为什么不能直接等同于学习真的发生了?

- 当教育中的兴趣、情绪和认知过程难以观测时,传感器与脑机接口可能提供什么,又不能替代什么?

- 为什么具身智能和机器人比数字世界里的 AI 更难做?物理数据为什么稀缺?

- 在本期的定义中,世界模型为什么需要状态预测、渲染与策略(policy)三种能力?

- 语言模型、视觉生成模型与世界模型:它们分别能描述、渲染或推演什么?

- 世界模型如果足够成熟,能否降低科学试错和探索式教育的门槛?

- 给普通听众的三个行动入口:尽快用 AI、搭建自己的知识体系、进入真实的 AI 社群与协作环境。

本期最重要的关键词:评估器(Evaluator)。它不只是给结果打分的工具,而是在决定一个智能体、一个研究流程,甚至一个学习系统会朝什么方向优化。


-----------------------关于伊伊子----------------------

伊伊子的小红书传送门

伊伊子个人网站

EduAI Builders 网站

EduAI Builders GitHub

----------------------关于听友群-----------------------

如果您对 AI 和教育的融合充满兴趣,欢迎填写我们的听友群入群申请问卷!🎧 点击链接或扫码,与更多志同道合的伙伴交流行业动态、分享实践经验,并共同讨论人工智能将如何改变教育。期待在听友群中与您相遇,共同成长!😊

请大家填写微信联系方式时,务必确认拼写完整、正确。我们遇到过几次微信 ID 无法识别的情况,谢谢大家!

============关键词解析============

Research|研究

本期中,研究不是单纯找到现成答案,而是围绕一个尚未被充分解决的问题提出假设、设计验证,并逐步减少不确定性。搜索可以是研究的一环,但当答案只存在于已有资料中时,它本身还不等同于研究。

Search|搜索

搜索是在已有信息、文献和经验中定位答案或线索。在 AI 时代,它可以极大缩短进入陌生领域的时间;但它提供的是已有知识的入口,不能自动保证问题本身新颖,也不能替代验证。

Auto Research|自动化科研

让智能体参与资料搜集、提出方案、写代码、运行实验、读取反馈并迭代的工作流。本期的重点是:它能否成立,取决于模型能力、反馈质量以及研究者是否定义了真正值得优化的问题。

Self-Evolving Agent|自我进化智能体

指能够在反馈回路中改进自身行为或能力的智能体。它不仅用 AI 做研究,也可能让智能体依据生成的轨迹与评估信号,在特定领域中进一步优化自身。

Evaluator|评估器

评估器把“做得更好”转成可用的反馈信号。编程和数学往往有相对清晰的测试或答案;在开放研究、教育和现实任务中,评估器更难定义,也因此更需要人的判断与研究品味。

Human in the Loop|人在回路中

人在关键节点审查方向、修正不合适的方案、解释例外的参与方式。它不意味着人要手工完成全部工作,而是把人的注意力保留给目标、边界、价值与不可轻率自动化的判断。

Research Taste|研究品味

本期里,它是一种综合能力:能提出重要而有趣的问题,形成有价值的假设,设计验证,并在反馈中快速迭代。它可以经由研究训练增强,而不是少数人的天赋标签。

Formative Assessment|形成性评估

发生在学习过程中的反馈,例如学习任务、解释、修改与阶段性产出。它的目的不是只在最后判定对错,而是帮助学习者和教师理解下一步应如何调整;简单行为数据可以提供线索,却不能自动等同于理解。

Summative Assessment|总结性评估

通常在一个阶段结束时判断成果,例如考试分数或最终作品。它便于得到相对清楚的结果信号,但若只依赖它,往往无法看见学习在过程中的困难、兴趣和变化。

Embodied AI|具身智能

让 AI 在机器人或其他物理载体中感知、行动和学习的方向。它面对真实世界中的摩擦、对象变化、失败恢复和数据收集,因此不能简单照搬数字世界的数据规模和训练方式。

World Model|世界模型

本期借用的理解是:系统能根据当前状态与动作预测下一状态,将状态渲染为人可理解的观察,并根据目标输出行动。这个定义比“生成一个逼真画面”更严格;它仍是快速发展、尚有许多技术边界的方向。

State|世界状态

指系统中与任务相关的真实条件,而不仅是文字描述或一张图像。例如物体的位置、速度、接触关系和任务是否成功,都可能属于状态。能否可靠地从有限观察中推断状态,是世界模型的核心困难之一。

Policy|策略

在一个目标和当前状态下,决定下一步采取什么动作的规则或模型。世界模型若只能展示或预测,而不能帮助选择行动,仍不能完整承担具身任务中的决策角色。

Simulation|仿真

在可控环境中模拟世界变化,以较低成本重复实验、恢复初始状态并比较方案。它可以扩展试错的规模,但仿真与真实世界之间的差异,仍需要谨慎验证。

Synthetic User|仿真用户

用 AI 生成或模拟的用户,用于探索产品可能的交互路径。本期中的例子是模拟学生使用学习网站;它可协助测试假设,却不能直接证明真实学生已经发生了同样的认知与情感变化。


在小宇宙查看该单集文稿

Tous les épisodes de 教育AI智造者

Paramètres

Affichage

Langue

Détermine les stations affichées en premier sur la page d’accueil.

Historique

Les stations et épisodes écoutés récemment et tes dernières recherches sont seulement enregistrés dans ce navigateur.

Notifications

Un court message quand un podcast que tu suis publie un nouvel épisode. Désactive un podcast précis avec la cloche sur sa page.

Compte

Enregistrez vos favoris – dans l’app et sur le site.

Raccourcis clavier

/
Ouvrir la recherche
Espace
Lecture ou pause
← →
Dans le lecteur : 15 s en arrière, 30 s en avant (épisodes) · dans une rangée : tuile suivante
↑ ↓
Dans une rangée : cible dans la tuile
Début / Fin
Dans une rangée : première ou dernière tuile
Esc
Fermer la fenêtre ou le menu
?
Cet aperçu
En cours de lecture

Voir la station

À suivre

    Ajoutez des épisodes avec « À suivre » – ils seront lus après l'épisode en cours.