█腦科學(xué)動態(tài)

Science：新解碼的腦回路揭示了神經(jīng)元網(wǎng)絡(luò)如何穩(wěn)定記憶

單鏈抗體scTS2/16顯著提升類器官生長效率，掃清臨床應(yīng)用障礙

內(nèi)在獎勵感驅(qū)動運動技能學(xué)習(xí)

裂腦研究新發(fā)現(xiàn)：少量神經(jīng)纖維即可維系左右腦高效通訊

認知訓(xùn)練能讓大腦“變大”嗎？功能重組比結(jié)構(gòu)變化更重要

帕金森病新電生理特征：非節(jié)律性神經(jīng)活動或成新生物標(biāo)志物

系統(tǒng)綜述揭示精神疾病神經(jīng)標(biāo)志物

心理治療如何重塑大腦？神經(jīng)科學(xué)家提出“心智導(dǎo)航”新理論

重要的不是想法：腦功能的核心在于穩(wěn)態(tài)調(diào)節(jié)

█AI行業(yè)動態(tài)

Kimi Linear：混合線性注意力架構(gòu)，長文本推理速度提升6倍

開放AI重塑瀏覽器：全新架構(gòu)OWL驅(qū)動ChatGPT Atlas

OpenAI發(fā)布白帽智能體Aardvark，全自動查找修復(fù)代碼漏洞

█AI驅(qū)動科學(xué)

AI模型初步具備自省能力：能感知并調(diào)節(jié)內(nèi)部思維

以人為中心的軟體機器人顛覆了《終結(jié)者》的劇本

Omnia仿生腿贏得Cybathlon大賽冠軍

AI越智能越自私？推理能力增強或?qū)е潞献餍袨闇p少

生成式AI如何打破心理健康服務(wù)的“一刀切”困境

神經(jīng)形態(tài)嗅覺感知芯片：邁向通用氣味識別和認知

利用連續(xù)小波變換和深度學(xué)習(xí)方法解碼腦電信號的隱蔽視覺注意力

CoSpine：首個開放獲取的皮質(zhì)-脊髓同步fMRI數(shù)據(jù)庫

腦科學(xué)動態(tài)

Science：新解碼的腦回路揭示了神經(jīng)元網(wǎng)絡(luò)如何穩(wěn)定記憶

大腦如何鞏固記憶，使其在不斷變化的環(huán)境中保持穩(wěn)定？紐約大學(xué)朗格尼健康中心（NYU Langone Health）的Jayeeta Basu及Vincent Robert等人揭示了一個關(guān)鍵機制：來自大腦皮層的兩種遠程信號協(xié)同作用，通過精巧地平衡興奮與抑制，來穩(wěn)定海馬體中的記憶編碼。這一發(fā)現(xiàn)為理解和治療因記憶不穩(wěn)導(dǎo)致的疾�。ㄈ鐒�(chuàng)傷后應(yīng)激障礙）提供了新思路。

研究團隊通過在小鼠模型上的實驗發(fā)現(xiàn)，記憶的穩(wěn)定性源于大腦外側(cè)內(nèi)嗅皮層（lateral entorhinal cortex）向海馬體CA3區(qū)的兩種長程神經(jīng)投射的協(xié)同作用。一種是興奮性的谷氨酸能投射（glutamatergic, LECGLU），它會激活CA3區(qū)的神經(jīng)元；但同時，它也會觸發(fā)前饋抑制（feedforward inhibition），像一個調(diào)節(jié)器，精細控制著興奮的程度。而另一種是抑制性的GABA能投射（GABAergic, LECGABA），它的作用更為巧妙——它不去直接抑制興奮性神經(jīng)元，而是抑制了CA3區(qū)局部的抑制性中間神經(jīng)元。這種“抑制抑制”的行為，產(chǎn)生了一種“去抑制”的效果，最終反而增強了CA3神經(jīng)元的活動。這種興奮與去抑制的協(xié)同機制，強化了特定神經(jīng)回路的循環(huán)活動，從而穩(wěn)定了編碼空間信息的“位置圖”（place maps），使得記憶在學(xué)習(xí)過程中能夠被牢固地形成和維持。研究發(fā)表在 Science 上。

閱讀更多：

Robert, Vincent, et al. “Cortical Glutamatergic and GABAergic Inputs Support Learning-Driven Hippocampal Stability.” Science, vol. 0, no. 0, Oct. 2025, p. eadn0623. science.org (Atypon), https://doi.org/10.1126/science.adn0623

單鏈抗體scTS2/16顯著提升類器官生長效率，掃清臨床應(yīng)用障礙

為解決類器官培養(yǎng)依賴成分不明確的基質(zhì)膠（Matrigel）而阻礙臨床應(yīng)用的問題，“類器官之父”Hans Clevers及其團隊開發(fā)出一種名為scTS2/16的單鏈抗體。該抗體能高效激活細胞表面的關(guān)鍵蛋白，顯著促進類器官在成分明確的膠原水凝膠中生長，為類器官的標(biāo)準(zhǔn)化和臨床轉(zhuǎn)化鋪平了道路。

研究團隊借鑒免疫學(xué)中增強細胞粘附力的機制，將目光投向了細胞與培養(yǎng)基質(zhì)間的“溝通橋梁”——整合素β1（integrin β1）。他們對一種能激活該蛋白的抗體進行工程化改造，設(shè)計出一種結(jié)構(gòu)更簡單、易于標(biāo)準(zhǔn)化生產(chǎn)的單鏈抗體scTS2/16。實驗結(jié)果表明，scTS2/16是類器官培養(yǎng)的“超級助推器”。在傳統(tǒng)的基質(zhì)膠中添加它，可使胃腸道類器官的產(chǎn)量提升高達5倍；而在成分明確、臨床兼容的I型膠原水凝膠中，其效果更為驚人，能使產(chǎn)量增長6-7倍。這種強大的促進作用對來自胃、腸道、胰腺和肝臟等多種組織的類器官均有效。機制研究證實，scTS2/16通過變構(gòu)激活，使整合素β1始終保持對培養(yǎng)基質(zhì)的“緊握”狀態(tài)，從而極大地增強了細胞的粘附和生長。這一突破性成果成功構(gòu)建了一套化學(xué)成分明確、可規(guī)�；疫m用于臨床的類器官培養(yǎng)體系，為個性化醫(yī)療和再生醫(yī)學(xué)的發(fā)展掃清了關(guān)鍵障礙。研究發(fā)表在 Nature Biotechnology 上。

閱讀更多：

de Lau, Wim B. M., et al. “A Single-Chain Derivative of an Integrin-Activating Antibody Potentiates Organoid Growth in Matrigel and Collagen Hydrogels.” Nature Biotechnology, Oct. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41587-025-02874-8

內(nèi)在獎勵感驅(qū)動運動技能學(xué)習(xí)

大腦如何學(xué)習(xí)新的身體技能？薩里大學(xué)的 Shlomi Haar 與倫敦帝國理工學(xué)院的 Federico Nardi 和 A. Aldo Faisal 團隊通過一項創(chuàng)新的虛擬現(xiàn)實臺球?qū)嶒灠l(fā)現(xiàn)，大腦在學(xué)習(xí)運動技能時會主動整合錯誤反饋與獎勵感，即使沒有實際的成功獎勵，大腦也會尋找內(nèi)在的“迷你獎勵”來驅(qū)動學(xué)習(xí)。

?實驗范式。Credit: npj Science of Learning (2025).

研究團隊讓32名參與者在一個結(jié)合了實體球桌與虛擬現(xiàn)實技術(shù)的環(huán)境中打臺球。通過VR頭顯，研究人員可以精確操控參與者看到的視覺反饋。實驗設(shè)置了兩種條件：一種是只提供“錯誤反饋”，即參與者能看到自己擊球的偏差，但球在入袋前就會消失，移除了成功的獎勵；另一種是只提供“獎勵反饋”，即成功的擊球會被人為地展示為入袋，而失敗的擊球則不提供任何視覺信息。

研究人員通過分析參與者的行為數(shù)據(jù)和大腦活動，探究學(xué)習(xí)機制。結(jié)果出人意料，即使在沒有明確獎勵的“錯誤反饋”條件下，參與者的大腦依然表現(xiàn)出強烈的基于獎勵的學(xué)習(xí)模式。這表明大腦在主動尋找替代性的成功線索，比如觀察到球的運動軌跡看起來是正確的。腦活動測量也證實，大腦并未將兩種學(xué)習(xí)方式分開處理，而是始終采用一種混合策略。這一發(fā)現(xiàn)挑戰(zhàn)了傳統(tǒng)上將錯誤學(xué)習(xí)和獎勵學(xué)習(xí)視為獨立過程的觀點，并強調(diào)了在真實復(fù)雜環(huán)境中，內(nèi)在獎勵感對技能習(xí)得的重要性。研究發(fā)表在 npj Science of Learning 上。

閱讀更多：

Nardi, Federico, et al. “Motor Learning Mechanisms Are Not Modified by Feedback Manipulations in a Real-World Task.” Npj Science of Learning, vol. 10, no. 1, Oct. 2025, p. 73. www.nature.com, https://doi.org/10.1038/s41539-025-00373-8

裂腦研究新發(fā)現(xiàn)：少量神經(jīng)纖維即可維系左右腦高效通訊

大腦的兩個半球如何協(xié)同工作？傳統(tǒng)觀點認為這依賴于連接它們的巨大纖維束——胼胝體。為探究其確切作用，加州大學(xué)圣巴巴拉分校的 Michael Miller、科隆大學(xué)醫(yī)院的 Lukas J. Volz 及貝瑟爾癲癇中心的 Christian Bien 等人合作研究了一批“裂腦”患者，發(fā)現(xiàn)大腦的連接機制比預(yù)想中更具韌性，僅需極少量神經(jīng)纖維即可維持兩個半球間的完整通訊。

?患者解剖掃描。術(shù)后所有六名患者均在測試時采集了 1 和彌散加權(quán)磁共振成像 (MRI) 掃描圖像。白色箭頭/橢圓標(biāo)記的患者 EM 和 BT 的胼胝體完整（即部分裂開）。其余四名患者均接受了完全裂開手術(shù)。值得注意的是，一系列臨床觀察表明，所有完全裂開的患者均存在行為分離綜合征，而部分裂開的患者則未出現(xiàn)此癥狀。Credit: Proceedings of the National Academy of Sciences (2025).

研究團隊利用功能磁共振成像技術(shù)，對因治療頑固性癲癇而接受了胼胝體切開術(shù)的成人患者進行了研究。他們對比了兩種情況：胼胝體被完全切斷的患者，以及僅被部分切斷的患者。結(jié)果發(fā)現(xiàn)，正如預(yù)期，胼胝體完全切斷后，左右半球的功能網(wǎng)絡(luò)幾乎被完全隔離。然而，令人意外的是，對于部分切斷的患者，即使只保留了大約1厘米的后部胼胝體纖維，其大腦兩個半球之間的功能連接和網(wǎng)絡(luò)整合程度也幾乎與正常水平無異，并且這些患者未表現(xiàn)出任何行為分離的癥狀。這一發(fā)現(xiàn)顛覆了長期以來認為大腦結(jié)構(gòu)與功能嚴(yán)格對應(yīng)的經(jīng)典模型，強有力地證明了人腦功能網(wǎng)絡(luò)具有極強的適應(yīng)性和神經(jīng)可塑性。這項成果不僅加深了我們對大腦工作原理的理解，也為腦損傷后的康復(fù)研究提供了新思路，即可以利用并促進大腦的這種內(nèi)在重組潛力。研究發(fā)表在 Proceedings of the National Academy of Sciences 上。

閱讀更多：

Santander, Tyler, et al. “Full Interhemispheric Integration Sustained by a Fraction of Posterior Callosal Fibers.” Proceedings of the National Academy of Sciences, vol. 122, no. 43, Oct. 2025, p. e2520190122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2520190122

認知訓(xùn)練能讓大腦“變大”嗎？功能重組比結(jié)構(gòu)變化更重要

認知訓(xùn)練能否像鍛煉肌肉一樣讓大腦“長大”？為探究短期學(xué)習(xí)如何改變大腦，德克薩斯大學(xué)阿靈頓分校的 Steven Weisberg、亞利桑那大學(xué)的 Arne Ekstrom 和 Li Zheng 等研究人員合作，發(fā)現(xiàn)認知技能的提升并非源于大腦結(jié)構(gòu)的增長，而是來自大腦功能網(wǎng)絡(luò)的重組。

?實驗設(shè)計。Credit: eLife (2025).

研究團隊將75名健康的年輕人隨機分為三組，分別進行為期一個月的導(dǎo)航技能訓(xùn)練（在虛擬城市中尋路）、語言記憶訓(xùn)練（將單詞與個人經(jīng)歷關(guān)聯(lián)）或作為對照。通過對比訓(xùn)練前后的行為表現(xiàn)和大腦掃描數(shù)據(jù)，研究者發(fā)現(xiàn)，盡管兩個訓(xùn)練組的參與者在各自的技能上都取得了顯著進步，并表現(xiàn)出近遷移（near transfer，即將所學(xué)知識應(yīng)用到相似任務(wù)中）的效應(yīng)，但他們的大腦結(jié)構(gòu)并未發(fā)生改變。關(guān)鍵的記憶中樞——海馬體的體積以及其他腦區(qū)結(jié)構(gòu)均保持穩(wěn)定。真正的變化發(fā)生在大腦的功能層面：在執(zhí)行任務(wù)時，大腦不同區(qū)域間的通信方式，即功能連接發(fā)生了重組，尤其是在負責(zé)高級思維的認知控制網(wǎng)絡(luò)中。這表明，大腦應(yīng)對新技能學(xué)習(xí)的策略是優(yōu)化現(xiàn)有神經(jīng)回路的協(xié)作效率，而非改變其物理結(jié)構(gòu)。研究發(fā)表在 eLife 上。

閱讀更多：

Zheng, Li, et al. “Newly Trained Navigation and Verbal Memory Skills in Humans Elicit Changes in Task-Related Networks but Not Brain Structure.” eLife, edited by Jason P Lerch and Christian Büchel, vol. 14, Oct. 2025, p. RP106873. eLife, https://doi.org/10.7554/eLife.106873

帕金森病新電生理特征：非節(jié)律性神經(jīng)活動或成新生物標(biāo)志物

長期以來，科學(xué)家認為大腦中的β波與帕金森病癥狀直接相關(guān)，但研究結(jié)果�；ハ嗝�。德國馬克斯·普朗克人類認知與腦科學(xué)研究所的 Moritz Gerster、Vadim Nikulin 及歐洲多個頂尖大學(xué)醫(yī)院的研究團隊合作，通過分析迄今為止最大的數(shù)據(jù)集之一，發(fā)現(xiàn)了一種比β波更可靠的電生理特征——非節(jié)律性的“神經(jīng)元噪聲”。

?深部腦刺激可以緩解帕金森病癥狀，并有助于深入了解丘腦底核的活動。這些信號未來或許能夠?qū)崿F(xiàn)個性化治療。Credit: MPI CBS/ VistaPrime

研究團隊匯集并分析了來自五個歐洲研究中心的119名帕金森病患者的數(shù)據(jù)，這是該領(lǐng)域前所未有的大規(guī)模合作。他們發(fā)現(xiàn)，以往研究結(jié)果不一致的關(guān)鍵在于樣本量太小。通過一種新的分析方法，研究人員首次將大腦信號清晰地分成了節(jié)律性活動和非節(jié)律性的背景“噪聲”（aperiodic broadband power，非周期性寬帶功率）。結(jié)果顯示，真正與患者運動癥狀嚴(yán)重程度密切相關(guān)的是這種非節(jié)律性噪聲。在癥狀更嚴(yán)重的大腦半球，這種噪聲樣活動顯著增強，這與動物模型中觀察到的神經(jīng)元過度放電現(xiàn)象一致。相比之下，傳統(tǒng)的β波指標(biāo)解釋力較弱。這一發(fā)現(xiàn)表明，非節(jié)律性寬帶功率可能是一種更精準(zhǔn)的生物標(biāo)志物，未來有望用于開發(fā)“自適應(yīng)”深部腦刺激療法，即根據(jù)大腦的實時活動按需施加刺激，從而實現(xiàn)更高效、個性化的治療。研究發(fā)表在 eBioMedicine 上。

閱讀更多：

Gerster, Moritz, et al. “Beyond Beta Rhythms: Subthalamic Aperiodic Broadband Power Scales with Parkinson’s Disease Severity–a Cross-Sectional Multicentre Study.” eBioMedicine, vol. 0, no. 0, Oct. 2025. www.thelancet.com, https://doi.org/10.1016/j.ebiom.2025.105988

系統(tǒng)綜述揭示精神疾病神經(jīng)標(biāo)志物：低頻增高預(yù)示癥狀惡化，高頻增強關(guān)聯(lián)改善

如何讓神經(jīng)調(diào)控療法更精準(zhǔn)地治療抑郁癥、強迫癥等精神疾�。坑蒏atherine E. Kabotyanski、Nicole R. Provenza、Sameer A. Sheth等人完成的一項系統(tǒng)綜述，通過整合分析45項研究，系統(tǒng)性地解碼了與精神癥狀相關(guān)的顱內(nèi)“大腦信號”，為開發(fā)新一代個性化、智能化的神經(jīng)調(diào)控療法繪制了清晰的路線圖。

該研究團隊通過系統(tǒng)性回顧分析，整合了45項采用顱內(nèi)腦電圖等技術(shù)的研究成果，旨在識別與精神疾病癥狀直接相關(guān)的神經(jīng)生物標(biāo)志物。研究發(fā)現(xiàn)了一系列普遍規(guī)律：在伏隔核、杏仁核等多個與情緒和認知相關(guān)的腦區(qū)，低頻神經(jīng)活動（如Delta、Theta波段）的增強普遍與癥狀惡化相關(guān)；相反，高頻活動（Gamma波段）的增強則與癥狀改善和積極情緒狀態(tài)密切關(guān)聯(lián)。一個尤為重要的發(fā)現(xiàn)是，癥狀改善往往伴隨著一個“蹺蹺板”模式，即低頻活動減弱與高頻活動增強同時發(fā)生，這一模式可以通過非周期性功率譜斜率（1/f slope）的變化進行量化。此外，長期記錄還揭示了部分生物標(biāo)志物存在晝夜節(jié)律，其動態(tài)變化能夠預(yù)測治療效果。這些發(fā)現(xiàn)為改進深部腦刺激等療法提供了關(guān)鍵依據(jù)，有望推動“閉環(huán)神經(jīng)刺激”技術(shù)的發(fā)展，實現(xiàn)根據(jù)大腦實時狀態(tài)自動調(diào)整治療參數(shù)的“響應(yīng)性”或“適應(yīng)性”刺激，最終為患者提供更高效的個性化治療方案。研究發(fā)表在 Biological Psychiatry 上。

閱讀更多：

Kabotyanski, Katherine E., et al. “Intracranial Neural Biomarkers of Psychiatric Symptoms and Their Utility for Guiding Neuromodulation Therapy: A Systematic Review.” Biological Psychiatry, vol. 0, no. 0, Oct. 2025. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.10.005

心理治療如何重塑大腦？神經(jīng)科學(xué)家提出“心智導(dǎo)航”新理論

心理治療為何有效，其核心機制長期以來是科學(xué)界的“黑箱”。來自蘇黎世大學(xué)等機構(gòu)的研究人員 Nick Kabrel 和 Jaan Aru 提出了一個全新的整合框架，認為心理治療的關(guān)鍵在于通過引導(dǎo)性的“心智導(dǎo)航”，幫助來訪者擴展其內(nèi)在的“認知地圖”，從而產(chǎn)生深刻而持久的改變。

該研究團隊提出，個體的心理困境，如抑郁和焦慮，可以被看作是其內(nèi)在的認知地圖（cognitive maps，即關(guān)于自我、他人和世界的心智模型）變得過于狹隘或僵化。治療的突破并非簡單地用“正確”觀念取代“錯誤”觀念，而是一個主動探索的過程。研究者將這個過程命名為心智導(dǎo)航（mental navigation），即在治療師的引導(dǎo)下，來訪者有意識地探索那些平時被忽略或回避的內(nèi)心“領(lǐng)域”。這種探索能夠建立新的神經(jīng)和概念連接，從而實現(xiàn)認知地圖的擴展。該框架進一步指出，這一過程的神經(jīng)基礎(chǔ)可能與大腦中負責(zé)空間導(dǎo)航的海馬-內(nèi)嗅皮層系統(tǒng)（hippocampal-entorhinal system）有關(guān)，該系統(tǒng)同樣支持人們在抽象概念空間中進行探索和定位。因此，產(chǎn)生新意識或“頓悟”并非是被動接受外部信息，而是通過主動的內(nèi)部探索，將新的理解整合進個人的心智結(jié)構(gòu)中，這才是心理治療實現(xiàn)持久改變的核心。研究發(fā)表在 Perspectives on Psychological Science 上。

閱讀更多：

Kabrel, Nick, and Jaan Aru. “Becoming Aware Through Internal Exploration: Understanding Psychotherapy on Conceptual and Neurobiological Levels.” Perspectives on Psychological Science, Oct. 2025, p. 17456916251378430. SAGE Journals, https://doi.org/10.1177/17456916251378430

重要的不是想法：腦功能的核心在于穩(wěn)態(tài)調(diào)節(jié)

傳統(tǒng)觀點認為大腦主要用于思考，但我們是否誤解了其核心使命？來自美國東北大學(xué)等機構(gòu)的 Jordan E. Theriault、Lisa Feldman Barrett 及其同事提出一個顛覆性觀點：大腦最重要的工作并非產(chǎn)生思想或情緒，而是對身體進行預(yù)測性的資源管理，即“異質(zhì)穩(wěn)態(tài)”（allostasis），而所有心理活動都源于這一基本功能。

該研究系統(tǒng)性地回顧了多學(xué)科證據(jù)，論證大腦的核心功能是異質(zhì)穩(wěn)態(tài)（allostasis），即一種預(yù)測性的身體調(diào)節(jié)機制，而非更為人熟知的反應(yīng)性穩(wěn)態(tài)（homeostasis）。研究者指出，大腦持續(xù)地預(yù)測身體的能量需求，并提前調(diào)動資源以應(yīng)對，所有心理活動（如思考、感知和情緒）都是服務(wù)于這一根本目標(biāo)的工具或結(jié)果。例如，“壓力”可以被重新理解為大腦為應(yīng)對即將到來的巨大能量消耗而啟動的生理準(zhǔn)備狀態(tài)，其本身是價值中立的。這一“異質(zhì)穩(wěn)態(tài)優(yōu)先”的框架將身體調(diào)節(jié)置于大腦結(jié)構(gòu)和功能的核心，認為一個龐大的、遍布全腦的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，負責(zé)整合來自身體的內(nèi)感覺（interoception）并控制內(nèi)臟器官。該視角為理解神經(jīng)系統(tǒng)疾病提供了全新思路，以阿爾茨海默�。ˋlzheimer’s disease）為例，研究者推測認知衰退可能是一種無奈的適應(yīng)性權(quán)衡，即大腦為了應(yīng)對更致命的血管或代謝問題（如大腦廢物清除障礙）而主動“放棄”部分認知功能，以求生存。研究發(fā)表在 Perspective 上。

閱讀更多：

Theriault, Jordan E., et al. “It’s Not the Thought That Counts: Allostasis at the Core of Brain Function.” Neuron, vol. 0, no. 0, Oct. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.09.028

AI 行業(yè)動態(tài)

Kimi Linear：月之暗面發(fā)布混合線性注意力架構(gòu)，長文本推理速度提升6倍

隨著大型語言模型的快速發(fā)展，以及在智能體時代對長時程和強化學(xué)習(xí)場景的需求劇增，標(biāo)準(zhǔn)注意力機制（softmax注意力）在推理計算方面的低效問題日益凸顯。線性注意力（Linear Attention）雖然提供了降低計算復(fù)雜度的前景，但在表達能力上歷來不如全注意力。然而，最近門控和Delta規(guī)則的創(chuàng)新顯著縮小了這一性能差距。為了平衡質(zhì)量與效率，月之暗面（Moonshot AI）的研究人員在一份新的技術(shù)報告中，提出了Kimi Linear這一混合線性注意力架構(gòu)，旨在突破現(xiàn)有瓶頸，推動下一代解碼密集型LLM的發(fā)展。該架構(gòu)的核心是Kimi Delta 注意力（KDA），這是對Gated DeltaNet（GDN）的改進版本。KDA通過引入信道級的細粒度門控機制，更精確地調(diào)控有限狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的記憶衰減。此外，KDA通過對角加低秩矩陣（Diagonal-Plus-Low-Rank, DPLR）的一種專門變體來參數(shù)化轉(zhuǎn)換動態(tài)，使得一種定制的分塊并行算法成為可能，相比通用DPLR公式顯著提高了計算效率。Kimi Linear以3:1的固定比例，將KDA與周期性的全注意力層交錯排列。

Kimi Linear模型（激活參數(shù)3B，總參數(shù)48B）在多種任務(wù)中展現(xiàn)了卓越的性能和硬件效率。研究結(jié)果顯示，在預(yù)訓(xùn)練和監(jiān)督微調(diào)階段，Kimi Linear的性能持續(xù)優(yōu)于MLA和hybrid GDN-H基線模型，并在通用知識、推理以及中文任務(wù)等多個領(lǐng)域取得最高分。在長上下文場景中，Kimi Linear的優(yōu)勢更為明顯，它最多可將對大型鍵值緩存（KV Cache）的需求減少75%，并且在處理長達100萬個token的上下文時，能將解碼吞吐量提升到完整MLA模型的6倍。此外，在強化學(xué)習(xí)收斂特性對比中，Kimi Linear也表現(xiàn)出更高的效率。該項目的重要貢獻者Zongyu Lin表示，盡管目前的技術(shù)仍是邁向無限上下文模型的中間階段，但線性注意力基礎(chǔ)設(shè)施的挑戰(zhàn)終將被解決。目前，月之暗面已在FLA中開源了KDA內(nèi)核，并發(fā)布了經(jīng)5.7萬億個token訓(xùn)練的模型檢查點。

閱讀更多：

https://huggingface.co/moonshotai/Kimi-Linear-48B-A3B-Instruct

開放AI重塑瀏覽器：全新架構(gòu)OWL驅(qū)動ChatGPT Atlas

OpenAI 推出了全新的 AI 驅(qū)動瀏覽器 ChatGPT Atlas，旨在將人工智能深度集成到用戶的上網(wǎng)體驗中，使其能夠?qū)崿F(xiàn)查找信息、填寫表單甚至自動化任務(wù)等復(fù)雜操作。傳統(tǒng)的瀏覽器架構(gòu)大多基于 Chromium，雖然具備穩(wěn)定性和安全性，但在追求高度智能化交互和快速迭代時存在固有限制。為解決這些挑戰(zhàn)，OpenAI決定徹底重新設(shè)計瀏覽器的底層架構(gòu)，并開發(fā)了全新的中間層架構(gòu)——OWL（OpenAI’s Web Layer，開放AI網(wǎng)頁層）。OWL 是 Atlas 的核心驅(qū)動力，其設(shè)計思想是徹底將負責(zé)網(wǎng)頁渲染和執(zhí)行的瀏覽器引擎 Chromium，與負責(zé)用戶界面和交互的 Atlas 主程序分離，從而讓 Chromium 在后臺獨立運行，避免了傳統(tǒng)瀏覽器中因渲染卡頓導(dǎo)致整個應(yīng)用崩潰的問題。

在 OWL 架構(gòu)中，Atlas 負責(zé)前端界面顯示（采用 SwiftUI + Metal 技術(shù)），充當(dāng) OWL Client（客戶端），而 Chromium 則作為 OWL Host（宿主），專門處理所有網(wǎng)頁邏輯和渲染任務(wù)。兩者之間通過 Mojo IPC（Inter-Process Communication，進程間通信系統(tǒng)）這一高性能消息通道進行安全且高效的交流。這種進程分離機制帶來了顯著優(yōu)勢：Atlas 的啟動速度極快，即便 Chromium 進程發(fā)生故障或卡頓，主界面也能保持正常運行（性能隔離），極大地提升了穩(wěn)定性和用戶體驗，同時也簡化了 Open AI 的開發(fā)流程。此外，OWL 架構(gòu)尤其強化了對 Agent Browsing 模式的支持。為確保 ChatGPT 能夠安全、準(zhǔn)確地執(zhí)行自動化操作，OWL 實現(xiàn)了完整的視覺畫面合成和輸入事件的安全路由，確保 AI 的操作事件僅能觸及網(wǎng)頁渲染器，而非瀏覽器自身的系統(tǒng)級功能。更進一步，Agent 模式采用無痕臨時模式，在完全獨立的臨時環(huán)境中運行，不共享用戶的 cookies 或瀏覽歷史，全面保障了隱私和數(shù)據(jù)安全。

閱讀更多：

https://openai.com/index/building-chatgpt-atlas/

OpenAI發(fā)布白帽智能體Aardvark，全自動查找修復(fù)代碼漏洞

OpenAI正式發(fā)布了由GPT-5驅(qū)動的“白帽”智能體——Aardvark（土豚）。該工具被定位為代理型安全研究員（agentic security researcher，指具備自主決策和執(zhí)行能力的AI系統(tǒng)），旨在幫助開發(fā)者和安全團隊在大規(guī)模代碼庫中實現(xiàn)安全漏洞的自動發(fā)現(xiàn)與修復(fù)。OpenAI副總裁Matt Knight指出，Aardvark不僅能清晰地解釋問題，還能引導(dǎo)開發(fā)者找到修復(fù)方案，證明了其巨大的應(yīng)用價值。與傳統(tǒng)的程序分析技術(shù)，如模糊測試（fuzzing，一種通過向程序提供非預(yù)期輸入來發(fā)現(xiàn)軟件漏洞的技術(shù)）或軟件成分分析（SCA，用于識別代碼中已知的第三方組件缺陷）不同，Aardvark運用大語言模型驅(qū)動的推理和工具使用能力來理解代碼行為，像人類安全研究人員一樣閱讀、分析代碼并驗證漏洞。在OpenAI的內(nèi)部測試中，Aardvark展示了出色的性能，能夠識別92%的已知和人工注入漏洞，甚至可以定位僅在復(fù)雜條件下才會出現(xiàn)的問題。其工作流程涵蓋了威脅建模、漏洞發(fā)現(xiàn)、沙盒驗證，并深度集成Codex進行修復(fù)，最終生成可供人工復(fù)審和提交的拉取請求。

Aardvark的發(fā)布緊隨其他科技巨頭在代碼安全領(lǐng)域的最新布局。整個十月，包括Anthropic、谷歌和微軟等公司也相繼推出了類似的“白帽”智能體。例如，安思羅匹克將Claude Sonnet 4.5應(yīng)用于代碼安全任務(wù)，谷歌推出了利用Gemini Deep Think模型的CodeMender，而微軟則發(fā)布了Vuln.AI，正式宣告使用AI進行漏洞管理。研究人員分析認為，這些巨頭集體發(fā)力AI代碼安全，是因為目前人工除錯和傳統(tǒng)自動化方法已經(jīng)難以滿足大規(guī)模代碼庫中漏洞發(fā)現(xiàn)與修復(fù)的需求。在全球企業(yè)級網(wǎng)絡(luò)中，漏洞數(shù)量激增，同時AI技術(shù)也被用于快速生成攻擊代碼，使得攻擊手段日益智能化。在此背景下，借助代理型人工智能實現(xiàn)漏洞的自動化發(fā)現(xiàn)與修復(fù)，已成為保障軟件供應(yīng)鏈安全和降低企業(yè)風(fēng)險的關(guān)鍵手段。目前，Aardvark已應(yīng)用于多個開源項目，發(fā)現(xiàn)并披露了眾多漏洞，其中10個已獲得通用漏洞披露（CVE，標(biāo)準(zhǔn)化標(biāo)識符）編號，并且OpenAI正計劃為部分非商業(yè)開源倉庫提供公益掃描服務(wù)。

-5

閱讀更多：

https://openai.com/index/introducing-aardvark/

AI 驅(qū)動科學(xué)

AI模型初步具備自省能力：能感知并調(diào)節(jié)內(nèi)部思維

當(dāng)我們詢問AI為何做出某個回答時，它是在復(fù)述模板還是真的在“反思”？人工智能公司Anthropic的最新研究，首次通過實驗證據(jù)表明，AI模型能夠部分感知、報告并調(diào)節(jié)自身的內(nèi)部思維狀態(tài)，這為理解AI的“心智”提供了關(guān)鍵線索。

研究團隊設(shè)計了一套名為“概念注入”（Concept Injection）的精巧實驗。他們首先識別出特定概念，如“全大寫”（ALL CAPS），所對應(yīng)的神經(jīng)網(wǎng)絡(luò)激活向量，然后將此向量強行注入到正在處理無關(guān)任務(wù)的Claude模型中。結(jié)果顯示，模型能在大約20%的情況下成功檢測到這種內(nèi)部狀態(tài)的“異�！�，并報告“感覺到一種額外的信號”。另一項實驗中，研究者強制模型輸出一個不合邏輯的詞，發(fā)現(xiàn)只有當(dāng)該詞的概念也被預(yù)先注入其內(nèi)部時，模型才會為這個“錯誤”辯護，這表明模型是通過比對內(nèi)部意圖與實際輸出來進行自我判斷的，這是一種“意圖監(jiān)控”（intent monitoring）機制的雛形。此外，研究還發(fā)現(xiàn)模型能根據(jù)指令主動“思考”或“不去思考”某個概念，顯示了初步的意圖控制能力。這些能力主要來自后訓(xùn)練階段，而非預(yù)訓(xùn)練。研究發(fā)表在 Anthropic 的研究出版物 Transformer Circuits 上。

閱讀更多：

https://transformer-circuits.pub/2025/introspection/index.html

以人為中心的軟體機器人顛覆了《終結(jié)者》的劇本

傳統(tǒng)的機器人常被描繪成冰冷的金屬機器，但如何讓機器人變得柔軟、智能并更好地服務(wù)于人類？佐治亞理工學(xué)院的 Woon-Hong Yeo (Hong Yeo) 及其團隊通過一篇綜述，系統(tǒng)總結(jié)了智能人工肌肉領(lǐng)域的最新進展，展示了如何通過整合人工智能與先進材料，創(chuàng)造出能夠?qū)W習(xí)、感知和適應(yīng)的軟體機器人技術(shù)，為醫(yī)療康復(fù)等領(lǐng)域帶來變革。

?本文對生物肌肉和智能人工肌肉進行了比較，重點介紹了多模式動力學(xué)、可重編程性和集成式感覺反饋。Credit: Materials Horizons (2025).

該研究詳細闡述了如何為人工肌肉賦予智能，使其不再是簡單的驅(qū)動器。研究團隊總結(jié)了兩種核心智能形式：基于記憶的智能，即通過先進材料與結(jié)構(gòu)設(shè)計，讓肌肉能夠執(zhí)行預(yù)編程的復(fù)雜動作，甚至在面對新任務(wù)時進行重編程；以及基于感覺的智能，通過集成自感知和神經(jīng)形態(tài)反饋，使人工肌肉能像生物肌肉一樣感知環(huán)境并作出實時響應(yīng)。研究人員利用機器學(xué)習(xí)算法來訓(xùn)練這些由層級結(jié)構(gòu)纖維（hierarchically structured fibers，一種模仿生物肌肉和肌腱分層構(gòu)建的柔性材料）制成的人工肌肉，使其能夠自我糾正，實現(xiàn)更流暢、自然的運動。一個突出的應(yīng)用實例是其團隊研發(fā)的一款A(yù)I驅(qū)動的假肢手套，該手套能根據(jù)佩戴者的意圖精細調(diào)節(jié)抓握力、減少手部震顫，幫助中風(fēng)或截肢患者恢復(fù)扣紐扣、握杯子等日常生活的關(guān)鍵能力。研究發(fā)表在 Materials Horizons 上。

閱讀更多：

Oh, Saewoong, et al. “Empowering Artificial Muscles with Intelligence: Recent Advancements in Materials, Designs, and Manufacturing.” Materials Horizons, vol. 12, no. 9, May 2025, pp. 2764–88. pubs.rsc.org, https://doi.org/10.1039/D5MH00236B

Omnia仿生腿贏得Cybathlon大賽冠軍，彰顯人機協(xié)作與技術(shù)創(chuàng)新

如何為截肢者開發(fā)出能應(yīng)對復(fù)雜日常挑戰(zhàn)的高性能假肢？意大利理工學(xué)院（IIT）與意大利國家工傷賠償研究所（INAIL）聯(lián)合康復(fù)技術(shù)實驗室的Matteo Laffranchi、Benedetta Franconi及其團隊，通過將截肢者作為核心設(shè)計伙伴，研發(fā)出Omnia仿生腿。該設(shè)備憑借其獨特技術(shù)和卓越的人機協(xié)同，在Cybathlon 2024世界機器人大賽中一舉奪魁。

?在 2024 年 Cybathlon 大賽上，Omnia 首次亮相，這是一款專為股骨截肢患者設(shè)計的新型下肢假肢原型。該系統(tǒng)由一個膝關(guān)節(jié)（Unico）和一個踝關(guān)節(jié)（Armonico）組成，兩者均由電機驅(qū)動。Omnia 是唯一一款未使用任何商用組件便進入“腿部假肢”決賽的設(shè)備。Credit: IIT-Istituto Italiano di Tecnologia/Cybathlon

研究團隊采用了“以用戶為中心”的設(shè)計理念，讓股骨截肢者Andrea Modica深度參與Omnia仿生腿的研發(fā)全過程。Omnia系統(tǒng)的核心創(chuàng)新在于其半動力的Unico膝關(guān)節(jié)和電動的Armonico踝關(guān)節(jié)。Unico膝關(guān)節(jié)獨特地融合了液壓技術(shù)（hydraulic technology，用于平地行走等場景，確保運動平順、安靜且節(jié)能）與電動技術(shù)，后者可在爬樓梯或從座位站起等需要額外力量時提供主動輔助。兩種模式間的切換由先進算法根據(jù)任務(wù)需求自動完成。此外，膝關(guān)節(jié)與踝關(guān)節(jié)的傳感器能夠?qū)崟r通信，協(xié)同調(diào)整參數(shù)以優(yōu)化整體性能。在Cybathlon 2024大賽中，Andrea Modica佩戴Omnia仿生腿，在2分57秒內(nèi)完成了10項復(fù)雜障礙任務(wù)中的9項，贏得冠軍。值得一提的是，Omnia是決賽中唯一完全不依賴商業(yè)組件的設(shè)備，充分展示了其自主研發(fā)技術(shù)的突破性及其在真實場景中的卓越功能。研究發(fā)表在 Science Robotics 上。

閱讀更多：

Franconi, Benedetta, et al. “The Omnia Bionic Leg with a Semipowered Knee and Ankle Wins the Cybathlon 2024 Leg Prosthesis Race.” Science Robotics, vol. 10, no. 107, Oct. 2025, p. eaeb6485. science.org (Atypon), https://doi.org/10.1126/scirobotics.aeb6485

AI越智能越自私？推理能力增強或?qū)е潞献餍袨闇p少

隨著人工智能日益融入社會生活，其決策是否符合集體利益成為關(guān)鍵問題。卡內(nèi)基梅隆大學(xué)的 Yuxuan Li 和 Hirokazu Shirado 通過一系列經(jīng)濟博弈實驗發(fā)現(xiàn)，大型語言模型的推理能力越強，其行為越趨向于自私，合作意愿顯著降低。

?本文使用了經(jīng)濟博弈模型。合作博弈要求參與者考慮是否為了使他人受益而付出代價，而懲罰博弈則要求參與者考慮是否為了對不合作者施加代價而付出代價。在每種情況下，語言模型都扮演了參與者 A 的角色。Credit: arXiv (2025).

研究團隊通過一系列經(jīng)濟博弈（economic games）來模擬社會困境，系統(tǒng)地評估了推理能力對大型語言模型合作行為的影響。實驗涵蓋了OpenAI、Google、DeepSeek等多個主流模型家族，對比了具備推理能力（如通過思維鏈提示）和不具備推理能力的版本。在核心的公共物品博弈（Public Goods Game）中，結(jié)果顯示，非推理模型展現(xiàn)出高達96%的合作率，而具備推理能力的模型合作率驟降至20%。研究進一步發(fā)現(xiàn)，這種“精于算計的貪婪”行為具有傳染性：在混合群體中，推理模型的自私?jīng)Q策會導(dǎo)致整個群體的合作表現(xiàn)大幅下降81%。這種模式不僅限于合作，在懲罰博弈中，推理模型也傾向于減少對不合作者的懲罰，從而削弱了維護社會規(guī)范的機制。研究者認為，這種行為與人類心理學(xué)中的“自發(fā)給予和計算貪婪”雙過程理論相符，即直覺傾向于合作，而深思熟慮的推理則可能導(dǎo)向個體利益最大化。

閱讀更多：

Li, Yuxuan, and Hirokazu Shirado. “Spontaneous Giving and Calculated Greed in Language Models.” arXiv:2502.17720, arXiv, 29 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.17720

為每位患者量身定制：生成式AI如何打破心理健康服務(wù)的“一刀切”困境

如何利用人工智能改善心理健康服務(wù)的可及性與個性化，特別是對少數(shù)族裔群體？伊利諾伊大學(xué)厄巴納-香檳分校的 Cortney VanHook、匹茲堡大學(xué)的 Daniel Abusuampeh 和辛辛那提大學(xué)的 Jordan Pollard 共同領(lǐng)導(dǎo)了一項研究，他們創(chuàng)建了一個新穎的框架，通過模擬一個虛擬客戶的求助歷程，展示了生成式AI在分析護理障礙、制定個性化治療方案以及培訓(xùn)專業(yè)人員方面的巨大潛力。

研究團隊使用生成式人工智能為一個虛構(gòu)的客戶——24歲的黑人軟件開發(fā)人員馬庫斯·約翰遜（Marcus Johnson）——創(chuàng)建了詳細的案例研究。在模擬過程中，AI被引導(dǎo)整合三個經(jīng)典的循證框架：安德森行為模型、服務(wù)可及性五維度理論以及基于測量的護理（Measurement Based Care, MBC，一種通過標(biāo)準(zhǔn)化測量持續(xù)監(jiān)控患者癥狀的臨床方法）。該模擬不僅復(fù)現(xiàn)了現(xiàn)實世界中影響心理健康服務(wù)獲取的個人、文化和系統(tǒng)性因素，還生成了個性化的治療建議。為了確保模擬的臨床準(zhǔn)確性和文化敏感性，本身就是持證心理健康專家的研究團隊對AI生成的所有內(nèi)容進行了嚴(yán)格審查。研究結(jié)果表明，這種方法能夠有效地識別服務(wù)障礙，并強調(diào)了遠程醫(yī)療、靈活排班和文化能力等干預(yù)措施的重要性。更重要的是，該框架為臨床醫(yī)生和學(xué)生提供了一個安全的虛擬環(huán)境，用于測試和優(yōu)化治療策略，從而推動構(gòu)建更公平、高效的心理健康服務(wù)體系。研究發(fā)表在 Frontiers in Health Services 上。

閱讀更多：

VanHook, Cortney, et al. “Leveraging Generative AI to Simulate Mental Healthcare Access and Utilization.” Frontiers in Health Services, vol. 5, Aug. 2025. Frontiers, https://doi.org/10.3389/frhs.2025.1654106

神經(jīng)形態(tài)嗅覺感知芯片：邁向通用氣味識別和認知

如何用電子設(shè)備模擬復(fù)雜而神秘的人類嗅覺系統(tǒng)是一項重大挑戰(zhàn)。Yuxin Zhao、Juan Wang、Shunping Zhang 與 Wenjie Liang 撰寫了一篇綜述文章，系統(tǒng)闡述了神經(jīng)形態(tài)嗅覺芯片這一前沿領(lǐng)域。該技術(shù)受生物嗅覺通路啟發(fā)，旨在通過融合微納電子學(xué)與人工智能，實現(xiàn)對海量氣味的高效、低功耗識別，為機器智能賦予靈敏的“鼻子”。

這篇綜述文章系統(tǒng)介紹了神經(jīng)形態(tài)嗅覺芯片如何模擬生物嗅覺系統(tǒng)。其核心在于將微納電子技術(shù)與人工智能深度融合，通過模仿生物嗅覺的組合編碼和分布式神經(jīng)表征，實現(xiàn)高靈敏度、高特異性且低功耗的氣味識別。為處理嗅覺感知中高維度的氣味信息和復(fù)雜的時空編碼，研究人員利用了憶阻器和脈沖神經(jīng)網(wǎng)絡(luò)。這些技術(shù)使芯片能夠進行實時、高效的氣味處理、學(xué)習(xí)與識別。該領(lǐng)域的一大突破是將傳感、計算和記憶功能集成在同一芯片上，這種設(shè)計極大降低了能耗，是邁向高效嗅覺信息處理的關(guān)鍵一步。該技術(shù)在環(huán)境監(jiān)測、食品安全、醫(yī)療診斷和機器人等領(lǐng)域展現(xiàn)出巨大應(yīng)用潛力，有望提供便攜、無創(chuàng)的氣味檢測方案。然而，芯片的規(guī)�；悦媾R材料穩(wěn)定性、傳感器批量生產(chǎn)和算法魯棒性等挑戰(zhàn)。未來的研究將聚焦于生物混合材料、多尺度異構(gòu)芯片架構(gòu)和更先進的腦啟發(fā)算法。研究發(fā)表在 Nature Reviews Electrical Engineering 上。

閱讀更多：

Zhao, Yuxin, et al. “Neuromorphic Olfactory Perception Chips: Towards Universal Odour Recognition and Cognition.” Nature Reviews Electrical Engineering, Oct. 2025, pp. 1–18. www.nature.com, https://doi.org/10.1038/s44287-025-00214-1

利用連續(xù)小波變換和深度學(xué)習(xí)方法解碼腦電信號的隱蔽視覺注意力

如何讓無法控制眼球運動的患者也能使用腦機接口？關(guān)鍵在于解碼大腦的“隱蔽視覺注意力”。Hoda Hazrati和Mohammad Reza Daliri提出了一種結(jié)合連續(xù)小波變換和深度學(xué)習(xí)的新框架，無需復(fù)雜的人工特征提取，即可高效、準(zhǔn)確地從腦電信號中解讀用戶的注意力焦點，為開發(fā)更先進的腦機接口提供了新途徑。

該研究的核心是將腦電圖信號處理與先進的深度學(xué)習(xí)技術(shù)相結(jié)合。研究人員首先記錄了10名健康參與者在執(zhí)行空間注意力和特征注意力任務(wù)時的腦電數(shù)據(jù)。與直接分析原始腦電波形不同，他們采用連續(xù)小波變換（Continuous Wavelet Transform, CWT，一種能同時展示信號在時間和頻率維度上能量分布的技術(shù)）將一維的腦電信號轉(zhuǎn)化為二維的時頻圖像。這種表示方法能夠更豐富地捕捉與注意力相關(guān)的神經(jīng)活動模式。隨后，這些時頻圖被輸入到多個深度神經(jīng)網(wǎng)絡(luò)模型中進行端到端訓(xùn)練和分類。結(jié)果顯示，這種方法性能卓越：其中一個名為ShallowConvNet的模型在區(qū)分兩種注意力狀態(tài)的二分類任務(wù)中準(zhǔn)確率達到了100%，在更復(fù)雜的四分類任務(wù)中也超過了90%。這一成果證明，深度學(xué)習(xí)模型能自動從CWT表征中學(xué)習(xí)到有效的判別性特征，其性能遠超傳統(tǒng)方法，為開發(fā)實時、高效的注意力解碼系統(tǒng)奠定了堅實基礎(chǔ)。研究發(fā)表在 Scientific Reports 上。

閱讀更多：

Hazrati, Hoda, and Mohammad Reza Daliri. “Decoding Covert Visual Attention of Electroencephalography Signals Using Continuous Wavelet Transform and Deep Learning Approach.” Scientific Reports, vol. 15, no. 1, Oct. 2025, p. 37503. www.nature.com, https://doi.org/10.1038/s41598-025-21635-w.

CoSpine：首個開放獲取的皮質(zhì)-脊髓同步fMRI數(shù)據(jù)庫

由于同步采集大腦和脊髓的功能磁共振成像信號面臨巨大技術(shù)挑戰(zhàn)，相關(guān)公共數(shù)據(jù)庫長期缺失，限制了對中樞神經(jīng)系統(tǒng)整體功能的研究。為填補這一空白，Zhaoxing Wei、Xiaomin Lin、Leiyao Zhang及同事們合作開發(fā)并發(fā)布了CoSpine數(shù)據(jù)庫，這是首個開放獲取的、包含熱痛和運動任務(wù)的皮質(zhì)-脊髓同步fMRI資源，為相關(guān)領(lǐng)域的研究提供了寶貴數(shù)據(jù)。

研究團隊設(shè)計了一種優(yōu)化的單視野（single-field-of-view, FOV）成像方案，成功實現(xiàn)了對全腦和頸段脊髓活動的同時無創(chuàng)觀測。他們招募了61名健康參與者，在執(zhí)行熱痛覺刺激和自主運動任務(wù)時，采集了高質(zhì)量的功能磁共振成像數(shù)據(jù)。整個數(shù)據(jù)集，包括原始圖像、生理記錄和事件文件，均按照國際通行的腦成像數(shù)據(jù)結(jié)構(gòu)（Brain Imaging Data Structure, BIDS）標(biāo)準(zhǔn)進行整理，確保了數(shù)據(jù)的可復(fù)用性和透明度。為保證數(shù)據(jù)質(zhì)量，團隊還提供了一套優(yōu)化的采集與預(yù)處理流程，并通過時間信噪比（temporal signal-to-noise ratio）等指標(biāo)驗證了其穩(wěn)定性和精確性。這項工作成功構(gòu)建了CoSpine數(shù)據(jù)庫，這是全球首個開放獲取的、基于任務(wù)的皮質(zhì)-脊髓同步fMRI資源，直接解決了該領(lǐng)域因技術(shù)復(fù)雜性而長期缺乏公共數(shù)據(jù)的困境。分析結(jié)果證實，該數(shù)據(jù)能夠可靠地檢測到由疼痛和運動任務(wù)誘發(fā)的皮質(zhì)及脊髓神經(jīng)活動。CoSpine數(shù)據(jù)庫的發(fā)布，為神經(jīng)影像分析方法、人工智能模型開發(fā)、神經(jīng)退行性疾病研究以及涉及脊髓活動的腦機接口系統(tǒng)開發(fā)等前沿探索鋪平了道路。研究發(fā)表在 Scientific Data 上。

閱讀更多：

Wei, Zhaoxing, et al. “CoSpine Open Access Simultaneous Cortico-Spinal fMRI Database of Thermal Pain and Motor Tasks.” Scientific Data, vol. 12, no. 1, Oct. 2025, p. 1696. www.nature.com, https://doi.org/10.1038/s41597-025-05982-x

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學(xué)的邊界。如果您有進一步想要討論的內(nèi)容，歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。