来自《斯坦福哲学百科全书》和《互联网哲学百科全书》的文本提供了关于哲学家亚瑟·叔本华（Arthur Schopenhauer）的全面概述，包括他的生平、主要思想和深远影响。资料详细介绍了他的形而上学，特别是其核心概念——世界即是意志与表象，并探讨了他将宇宙本质视为非理性的“盲目、无目的的意志”的观点。文本还追溯了叔本华的思想发展，从他早期的博士论文《论充足理由律的四重根》到他著名的悲观主义立场，即人类生存的本质是痛苦与挣扎。此外，这些资料阐释了叔本华对康德哲学的继承与批判，以及他关于审美、道德意识和禁欲主义如何提供超越日常冲突的短暂解脱的理论。

前往小宇宙评论区与主播互动

本期播客提供了对哲学家马丁·海德格尔思想的深刻概述，重点阐述了他的核心概念和哲学发展。资料详细解释了“Dasein”（此在），即人类存在的特殊方式，以及他对“存在问题”的探究，特别是时间性如何构造我们对存在的理解。此外还探讨了海德格尔后期思想中的形而上学历史及其对技术时代的批判性分析。资料并未回避海德格尔富有争议的纳粹时期活动，并讨论了学者们对其政治和哲学之间关联的不同解读，同时强调了他对二十世纪欧洲哲学的深远影响。

前往小宇宙评论区与主播互动

本期播客是关于德国哲学家弗里德里希·尼采的生平、著作和核心思想的百科全书摘录。来源详细介绍了尼采对传统欧洲道德和宗教的批判，以及他作为“怀疑论诠释学”思想家的角色。它们探讨了尼采“价值创造”和“重估一切价值”的复杂概念，并分析了他哲学的主要观点，包括权力意志、透视主义和永恒轮回。此外，这些文本还讨论了尼采的写作风格和解释上的挑战，同时考察了其思想与生平事件、以及与其他哲学家的关系。

前往小宇宙评论区与主播互动

这项预印本研究探讨了 大语言模型（LLMs）的“脑损伤假设”，该假设认为持续暴露于低质量或“垃圾”网络文本会导致模型认知能力的长期下降。研究团队通过在真实的社交媒体数据上进行对照实验，利用参与度（M1）和语义质量（M2）两种指标构建了“垃圾”数据集，并发现持续的预训练确实导致了LLMs在推理、长文本理解、安全性和“黑暗人格特质”方面的显著衰退。研究还揭示了这种衰退的主要机制是 “思维跳跃”，即模型倾向于截断或跳过推理链，并且这种损害是持久的，难以通过后续的指令调优完全恢复。因此，这项工作强调了在持续预训练中数据质量对LLM能力衰退的因果驱动作用，并呼吁对LLM的数据管理采取更严格的安全措施。

参考文献

Shuo Xing，LLMS CAN GET “BRAIN ROT"!

前往小宇宙评论区与主播互动

该研究文章详细介绍了使用脑机接口（BCI）实时解码全频谱中文（普通话）语音的系统。研究人员通过对一名植入了高密度微电皮层电图（microECoG）阵列的参与者进行实验，成功实现了直接从神经信号解码单音节单元的方法。这一系统在单字符阅读任务中，对394个不同音节的识别准确率达到了71.2%，并进一步展示了实时句子解码的能力。通过将神经解码结果与3-gram语言模型结合，系统实现了73.1%的字符准确率和每分钟49.7字符的通信速率，验证了基于音节的解码方法在处理普通话等声调单音节语言中的有效性，为失语症患者恢复功能性交流提供了有希望的途径。

参考文献

Youkun Qian，Real-time decoding of full-spectrum Chinese using brain-computer interface

前往小宇宙评论区与主播互动

这项研究系统地评估了包括GPT-4、Claude-3和Llama-3在内的大型语言模型（LLMs）在区分信念、知识和事实方面的认知能力，因为这种区分对于医疗、法律和新闻等关键领域的可靠决策至关重要。研究人员创建了一个名为KaBLE的新数据集，包含13,000个问题，发现在涉及错误情景时，模型的表现显著下降，尤其是在确认第一人称信念的任务中。研究结果揭示了LLMs在处理与训练数据相矛盾的个人信念时的系统性困难，以及处理第一人称和第三人称信念时存在不对称性，这些局限性引发了对其在需要精确和同理心理解人类主观状态的高风险应用中的可靠性担忧。总体而言，该研究强调了在LLMs广泛部署于关键部门之前，必须改进其关于真理、信念和知识的推理能力。

参考文献

Mirac Suzgun，Belief in the Machine: Investigating Epistemological Blind Spots of Language Models

前往小宇宙评论区与主播互动

该论文提出了一项简单而核心的算法原理来解释好奇心、创造力、艺术和科学等基本认知现象。作者阐述了数据压缩的进展（即观察者不断学习以更简单、更优化的方式预测或编码数据）如何驱动着内在好奇心和奖励机制。这种驱动力最大化了主观趣味性，被定义为主观美感或可压缩性的导数，也就是学习曲线的斜率，从而激励智能系统（包括人类和人工系统）进行主动探索和发现。该框架详细讨论了这一原理的各种后果，包括注意力机制、艺术和科学的起源以及主观美感的概念，并提供了基于强化学习和压缩进度的具体算法实现概述。

参考文献

Jürgen Schmidhuber，Driven by Compression Progress: A Simple Principle Explains Essential Aspects of
Subjective Beauty, Novelty, Surprise, Interestingness, Attention, Curiosity, Creativity,
Art, Science, Music, Jokes

前往小宇宙评论区与主播互动

该研究介绍了一种名为“思维字幕”的生成式解码方法，它通过将人类大脑活动线性解码为语义特征，并利用深度语言模型进行文本优化，从而生成描述视觉感知和回忆内容的文本。这种新方法能够生成结构良好且准确的描述，捕捉复杂的视觉语义信息及其相互关系，即使不依赖于典型语言网络也能实现。此外，该技术有望作为非语言思维到文本的通信途径，为失语症等有语言表达困难的个体提供替代通信方式，并促进对结构化视觉语义神经基础的理解。

参考文献

Tomoyasu Horikawa，Mind captioning: Evolving descriptive text of mental content from human brain activity

前往小宇宙评论区与主播互动

世界卫生组织 (WHO)发布关于流感疫苗的五个常见误区及其对应的事实。这些内容旨在消除公众对流感疫苗安全性和有效性的误解，例如澄清流感并非不严重、疫苗不会导致流感、严重副作用极其罕见、疫苗虽不能覆盖所有毒株但仍能提供保护，以及孕妇接种疫苗是安全的。

前往小宇宙评论区与主播互动

这份预印本研究论文探讨了青少年如何与人工智能（AI）互动以检测社交媒体中的道德情感，重点分析了这种互动对他们道德判断能力的影响。研究通过一项包含中学生的小型试点研究发现，AI的协助可以提高学生检测道德内容的能力，但这种影响更多是一种轻微的推动而非完全取代他们最初的道德判断。报告指出，尽管社交媒体使用和性别会影响学生的道德推理，但它们不会显著改变AI对决策的影响力；更重要的是，AI建议中的错误可能会误导那些不加批判地依赖AI的学生。这项工作旨在揭示AI在道德决策中的益处与风险，强调需要负责任地整合AI，确保学生能批判性地参与AI生成的道德判断。

参考文献

Exploring How Students Interact With AI for Detecting Moral
Sentiments in Social Media
Apoorva Upadhyayaa
, Daniele Schicchib
, Davide Taibib,
and Marco Fisichellaa

前往小宇宙评论区与主播互动