█ 腦科學動態(tài)

Nature：大腦如何通過獨立神經(jīng)元群協(xié)同編碼內(nèi)容與情境

Nature：疼痛神經(jīng)元竟是過敏反應的“幕后推手”

Nature：告別阿片類藥物成癮，揭示無副作用止痛新藍圖

Nature：細胞間的能量充電寶

假裝游戲的社會化力量：從玩偶互動看兒童親社會能力

深部腦刺激與聚焦超聲結合有望突破帕金森病治療瓶頸

像人眼一樣觀察：利用AI將大腦繪圖速度提升七倍

衰老脊髓的自我防御：小膠質細胞通過TGF-β信號防止髓鞘損傷

█ AI行業(yè)動態(tài)

OpenAI發(fā)布ChatGPT Health，打造隱私至上的個人AI健康助手

Meta收購案生變：商務部介入調(diào)查Manus技術出海合規(guī)性

權威榜單遭質疑：LMArena被指淪為AI界的“選美比賽”

█ AI驅動科學

MIT發(fā)現(xiàn)AI基礎模型正在學習物質的“通用語言”

AI驅動的“代謝性BMI”揭示隱性健康風險：體重正常也可能面臨五倍疾病威脅

AI讀懂人類行蹤：RHYTHM模型利用大語言模型精準預測人類移動性

同理心驅動：讓教育游戲更具情感與實效的十步框架

梅奧診所開發(fā)集成電子病歷的AI代理MedEduChat，助力前列腺癌個性化教育

基于6G/WiFi信號的非接觸式肺部疾病篩查技術

腦科學動態(tài)

Nature：大腦如何通過獨立神經(jīng)元群協(xié)同編碼內(nèi)容與情境

為什么我們能輕易區(qū)分與朋友共進晚餐和商務會談這兩種截然不同的場景，盡管面對的是同一個人？為了揭示這一記憶機制，波恩大學的Marcel Bausch和Florian Mormann等人通過記錄人腦單神經(jīng)元活動，發(fā)現(xiàn)大腦利用兩組獨立的神經(jīng)元群分別處理內(nèi)容與情境，并通過協(xié)同作用形成靈活的記憶。這一發(fā)現(xiàn)解釋了人類記憶如何在保留細節(jié)的同時實現(xiàn)高效的通用化。

研究團隊招募了16名植入顱內(nèi)電極的癲癇患者，在他們執(zhí)行圖片比較任務時，記錄了內(nèi)側顳葉區(qū)域超過3000個神經(jīng)元的活動。研究發(fā)現(xiàn)，人腦中存在兩類截然不同的神經(jīng)元：一類是“內(nèi)容神經(jīng)元”，僅對特定圖像（如餅干）有反應；另一類是“情境神經(jīng)元”，僅對特定任務指令（如詢問物體是否更大）有反應。與嚙齒動物不同，很少有神經(jīng)元同時編碼兩者。有趣的是，這兩組神經(jīng)元通過協(xié)同放電（co-firing）建立聯(lián)系：在正確回憶時，內(nèi)容神經(jīng)元的激活會預測幾十毫秒后情境神經(jīng)元的活動。這種機制被稱為模式補全，使大腦能夠像守門人一樣，根據(jù)線索提取相關的背景信息。這種將內(nèi)容與情境存儲在不同神經(jīng)庫的分工方式，賦予了人類記憶極大的靈活性，使我們能在不同場合復用同一概念。研究發(fā)表在 Nature 上。

#神經(jīng)科學 #記憶機制 #海馬體 #單神經(jīng)元記錄 #內(nèi)側顳葉

閱讀更多：

Bausch, Marcel, et al. “Distinct Neuronal Populations in the Human Brain Combine Content and Context.” Nature, Jan. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09910-2

Nature：疼痛神經(jīng)元竟是過敏反應的“幕后推手”

為何目前的過敏和哮喘藥物常常療效不佳？David Artis及其團隊（威爾康奈爾醫(yī)學院）通過一項顛覆教科書的研究給出了答案：神經(jīng)系統(tǒng)在啟動免疫反應中起著意想不到的主導作用。研究團隊長期致力于探索神經(jīng)系統(tǒng)在炎癥性疾病中的角色，他們發(fā)現(xiàn)，現(xiàn)有的生物制劑往往只針對免疫成分而忽略了神經(jīng)元。此次研究揭示了疼痛感受神經(jīng)元不僅是感覺的傳遞者，更是免疫反應的“點火器”，這一發(fā)現(xiàn)為解釋過敏反應的早期癥狀及開發(fā)新型雙靶點療法提供了重要依據(jù)。

? 小腸中神經(jīng)元與簇狀細胞緊密相鄰。圖中所示為神經(jīng)元（綠色）、簇狀細胞（紅色）和細胞核（藍色）。Credit: Elizabeth Emanuel in the Artis Lab.

該研究利用鼠鞭蟲感染小鼠模型，深入探究了傷害感受器——一種負責傳遞疼痛和瘙癢信號的神經(jīng)元——在免疫反應中的功能。研究發(fā)現(xiàn)，當這些神經(jīng)元檢測到寄生蟲（或潛在的過敏原）時，會釋放一種名為降鈣素基因相關肽（CGRP）的分子。這種信號分子直接作用于腸道內(nèi)壁的簇狀細胞（tuft cells），并促使上皮祖細胞迅速分化，導致簇狀細胞數(shù)量在24小時內(nèi)激增近五倍。這種神經(jīng)-上皮回路的激活雖然有助于清除寄生蟲，但當其過度反應時，便會引發(fā)哮喘和纖維化等過敏性疾病。通過單細胞RNA測序（single-cell RNA sequencing）和空間轉錄組學分析，研究人員證實了這一機制的分子基礎。這一發(fā)現(xiàn)表明，未來的治療策略應同時靶向免疫系統(tǒng)和神經(jīng)系統(tǒng)，以更有效地控制過敏性疾病。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #過敏與哮喘 #神經(jīng)免疫學 #跨學科整合

閱讀更多：

Zhang, Wen, et al. “Neuro-Epithelial Circuits Promote Sensory Convergence and Intestinal Immunity.” Nature, Jan. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09921-z

Nature：告別阿片類藥物成癮，揭示無副作用止痛新藍圖

面對嚴重的阿片類藥物濫用危機和數(shù)千萬慢性疼痛患者的困境，賓夕法尼亞大學佩雷爾曼醫(yī)學院的Gregory Corder和Michael Platt等人通過跨學科合作取得突破性進展。他們結合神經(jīng)科學與人工智能技術，成功研發(fā)出一種針對特定腦回路的基因療法，能夠在緩解疼痛的同時完全消除成癮風險。

該研究首先利用人工智能驅動的行為分析平臺，精準追蹤和量化小鼠的疼痛行為，以此作為“地圖”來解析大腦如何處理疼痛信號。研究團隊發(fā)現(xiàn)，前扣帶回皮層中的特定神經(jīng)元群體負責編碼疼痛帶來的不適感和負面情緒�；诖税l(fā)現(xiàn)，他們開發(fā)了一種新的化學遺傳學基因療法。這種療法如同一個安裝在大腦中的“音量旋鈕”，專門針對這些對阿片類藥物敏感的神經(jīng)元植入一個“關閉開關”。實驗結果顯示，當該開關被激活時，能夠模擬嗎啡的鎮(zhèn)痛效果，顯著減輕慢性神經(jīng)性疼痛帶來的痛苦體驗，但僅僅是降低了“疼痛的音量”，而不會阻斷正常的身體感覺，更重要的是，它完全避開了引發(fā)成癮的獎賞通路。這一發(fā)現(xiàn)為開發(fā)非成癮性、精準化的疼痛治療藥物提供了具體的藍圖。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)調(diào)控 #慢性疼痛 #基因療法 #人工智能

閱讀更多：

Oswell, Corinna S., et al. “Mimicking Opioid Analgesia in Cortical Pain Circuits.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09908-w

Nature：細胞間的“能量充電寶”：膠質細胞向神經(jīng)元轉移線粒體可緩解慢性疼痛

慢性神經(jīng)痛是糖尿病和化療常見的并發(fā)癥，往往源于神經(jīng)細胞能量供應不足。杜克大學醫(yī)學院的Ru-Rong Ji、Jing Xu以及Cagla Eroglu等人組成的團隊發(fā)現(xiàn)了一種全新的細胞間互助機制：神經(jīng)系統(tǒng)中的支持細胞可以像“充電寶”一樣，將健康的線粒體輸送給受損的神經(jīng)元，從而顯著緩解疼痛。

研究團隊利用小鼠模型和人類組織進行實驗，發(fā)現(xiàn)衛(wèi)星膠質細胞（satellite glial cells）通過一種被稱為隧道納米管（tunneling nanotubes）的微小通道結構，將線粒體直接傳遞給感覺神經(jīng)元。這一過程依賴于一種名為肌球蛋白10（MYO10）的蛋白質。研究顯示，在糖尿病神經(jīng)病變樣本中，MYO10水平較低，導致線粒體轉移受阻，進而引發(fā)神經(jīng)退化和疼痛。當研究人員通過注射健康線粒體或植入高表達MYO10的膠質細胞來恢復這種能量傳遞時，小鼠的疼痛行為減少了多達50%，緩解效果可持續(xù)48小時。這項研究不僅揭示了膠質細胞在維持神經(jīng)元健康中的關鍵作用，也為從根源上治療慢性疼痛提供了新策略。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #慢性疼痛 #線粒體 #膠質細胞

閱讀更多：

Xu, Jing, et al. “Mitochondrial Transfer from Glia to Neurons Protects against Peripheral Neuropathy.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09896-x

假裝游戲的社會化力量：從玩偶互動看兒童親社會能力

游戲不僅是兒童的消遣，更是其理解他人與建立社會連接的窗口。為了探究不同形式的游戲如何反映兒童的社交能力及其背后的神經(jīng)機制，Salim Hashmi 和 Sarah A. Gerson 等人（卡迪夫大學、倫敦國王學院）開展了一項結合行為觀察與神經(jīng)影像學的研究。該團隊深入分析了兒童在獨自玩耍與合作游戲中的行為模式差異，揭示了特定游戲風格與親社會行為之間的緊密聯(lián)系，并發(fā)現(xiàn)了語言使用與大腦關鍵區(qū)域活動之間的相關性。

? 神經(jīng)影像游戲流程。Credit: Cognitive Development (2025).

研究團隊招募了57名4至8歲的兒童，讓他們分別在獨自一人和與實驗人員共同參與的情境下，使用芭比娃娃及配套玩具進行自由游戲。研究人員利用神經(jīng)影像設備監(jiān)測兒童的大腦活動，重點關注與社交理解相關的后上顳溝（pSTS）和涉及執(zhí)行功能的背外側前額葉皮層（dlPFC）。同時，通過詳細的行為分析，區(qū)分兒童是進行假裝游戲（pretend play）還是單純的布置游戲（set-up play），并記錄他們描述想法與感受的內(nèi)部狀態(tài)語言（Internal State Language）。結果顯示，無論是在哪種情境下，兒童花費在擺放和整理玩具上的時間都遠多于實際表演故事的時間。然而，合作情境顯著促進了假裝游戲的發(fā)生。數(shù)據(jù)表明，在合作中進行更多假裝游戲的兒童，其日常生活中表現(xiàn)出的親社會行為更強，同伴問題更少。此外，雖然整體游戲風格與神經(jīng)活動無直接關聯(lián)，但那些頻繁使用內(nèi)部狀態(tài)語言來描述他人想法和感受的兒童，其大腦中負責視角轉換和調(diào)節(jié)的區(qū)域表現(xiàn)出更活躍的信號，證實了在游戲中思考他人感受能激活特定的神經(jīng)系統(tǒng)。研究發(fā)表在 Cognitive Development 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #行為進化 #發(fā)聲交流 #冷泉港實驗室

閱讀更多：

Hashmi, Salim, et al. “Does Children’s Play and Associated Neural Activity Differ According to Individual Differences in Social Skills, Social Understanding, and Social Contexts.” Cognitive Development, vol. 76, Oct. 2025, p. 101623. ScienceDirect, https://doi.org/10.1016/j.cogdev.2025.101623

深部腦刺激與聚焦超聲結合有望突破帕金森病治療瓶頸

帕金森病的治療長期面臨兩難選擇：深部腦刺激雖有效但需侵入性手術，聚焦超聲無創(chuàng)但應用范圍受限。Iqra Bano、Jaison Jeevanandam和Grygoriy Tsenov的研究團隊通過綜述提出了一種創(chuàng)新思路，即“混合神經(jīng)調(diào)控”。他們發(fā)現(xiàn)將這兩種技術結合，不僅能互補各自的短板，還能產(chǎn)生協(xié)同效應，為更全面地管理帕金森病的復雜癥狀提供了可能。

? 該圖展示了帕金森病治療中使用的兩種先進神經(jīng)調(diào)控技術：A. 深部腦刺激 (DBS) 和 B. 聚焦超聲 (FUS)。Credit: 3 Biotech (2026).

該團隊針對帕金森病治療中現(xiàn)有的深部腦刺激（DBS）和聚焦超聲（FUS）技術進行了詳盡的評估與文獻計量分析。研究指出，傳統(tǒng)的DBS主要針對基底神經(jīng)節(jié)的運動回路進行持續(xù)管理，但往往難以改善焦慮、認知遲緩等非運動癥狀。而聚焦超聲（FUS）作為一種非侵入性技術，不僅能提高精準度，還能通過暫時打開血腦屏障，協(xié)助神經(jīng)營養(yǎng)因子或基因療法進入黑質等深層腦區(qū)，這是單純電刺激無法實現(xiàn)的。研究結果表明，這種混合策略能夠利用FUS調(diào)節(jié)DBS難以觸及的邊緣和皮層網(wǎng)絡，同時可能降低DBS所需的刺激強度，從而減少副作用。這種“電-聲”結合的方法有望從單純的癥狀控制轉向對神經(jīng)元的保護與修復，解決單一療法無法應對的復雜系統(tǒng)性問題。研究發(fā)表在 3 Biotech 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #行為進化 #發(fā)聲交流 #冷泉港實驗室

閱讀更多：

Bano, Iqra, et al. “Advances in Therapeutic Hybrid Neuromodulation for Parkinson’s Disease.” 3 Biotech, vol. 16, no. 1, Jan. 2026, p. 58. Springer Link, https://doi.org/10.1007/s13205-025-04681-z

像人眼一樣觀察：SmartEM技術利用AI將大腦繪圖速度提升七倍

為了解開大腦的奧秘，繪制高分辨率的神經(jīng)連接圖譜至關重要，但昂貴且緩慢的設備一直是巨大的阻礙。為此，Yaron Meirovitch、Aravinthan Samuel和Jeff Lichtman等人（哈佛大學、麻省理工學院等）開發(fā)了一種名為SmartEM的新技術。該技術利用機器學習實時引導顯微鏡，使其像人眼一樣工作——聚焦關鍵細節(jié)而略過背景，從而大幅提升了掃描速度并降低了成本，有望讓更多實驗室具備繪制大腦圖譜的能力。

? 小鼠皮層神經(jīng)元和突觸的 SmartEM 體積重建，平均每個像素的采集時間為 99 納秒。Credit: Nature Methods (2025).

研究團隊開發(fā)了一種結合機器學習與單束掃描電子顯微鏡（scanning electron microscope）的創(chuàng)新方法。SmartEM系統(tǒng)模仿人類視覺的注意力機制，首先對樣本進行快速、低分辨率的全局掃描，隨后利用神經(jīng)網(wǎng)絡（neural network）實時分析圖像，識別出如突觸等關鍵特征或易出錯的區(qū)域。顯微鏡隨后僅對這些特定區(qū)域進行高分辨率的精細掃描，最后通過算法將圖像融合。這種“數(shù)據(jù)感知”成像方式避免了在無關背景上浪費時間。實驗數(shù)據(jù)顯示，SmartEM在處理線蟲、小鼠和人腦樣本時，圖像采集速度提高了約7倍。例如，掃描秀麗隱桿線蟲的時間從傳統(tǒng)的1400小時驚人地縮短至200小時，且數(shù)據(jù)質量足以支持精確的神經(jīng)回路重建。這一突破被 Nature Methods 評為2025年度方法。

#AI驅動科學 #自動化科研 #連接組學 #腦圖譜 #電子顯微鏡

閱讀更多：

Meirovitch, Yaron, et al. “SmartEM: Machine Learning-Guided Electron Microscopy.” Nature Methods, vol. 23, no. 1, Jan. 2026, pp. 193–204. www.nature.com, https://doi.org/10.1038/s41592-025-02929-3

衰老脊髓的自我防御：小膠質細胞通過TGF-β信號防止髓鞘損傷

隨著年齡的增長，脊髓作為大腦與身體溝通的橋梁，面臨著退化的風險。然而，卡羅林斯卡醫(yī)學院的Robert A. Harris和Harald Lund及其團隊（包括第一作者Keying Zhu）研究發(fā)現(xiàn)，神經(jīng)系統(tǒng)內(nèi)部擁有一套自我保護機制。研究揭示了自身的免疫細胞在特定的信號分子調(diào)節(jié)下，能夠積極保護脊髓免受衰老帶來的損傷，這一發(fā)現(xiàn)為理解神經(jīng)退行性疾病提供了新的視角。

? 研究結果概述。Credit: Nature Neuroscience (2026).

研究團隊通過深入分析小鼠模型，發(fā)現(xiàn)隨著衰老，脊髓背柱（Dorsal Column，脊髓中負責傳遞本體感覺和精細觸覺的區(qū)域）的髓鞘會逐漸受損。利用單核RNA測序技術，研究人員發(fā)現(xiàn)該區(qū)域的小膠質細胞會激活一種名為轉化生長因子β（TGF-beta，一種多功能的細胞因子，參與調(diào)節(jié)細胞生長和免疫反應）的信號通路。實驗表明，這種信號分子就像一個“剎車”，能防止小膠質細胞過度活躍。當研究人員在老年小鼠體內(nèi)關閉TGF-beta的產(chǎn)生時，失去約束的小膠質細胞開始攻擊髓鞘，導致小鼠出現(xiàn)明顯的運動功能障礙。這證實了該信號通路是維持脊髓微環(huán)境穩(wěn)態(tài)的關鍵機制。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #小膠質細胞 #脊髓損傷 #TGF-β信號通路

閱讀更多：

Zhu, Keying, et al. “TGFβ Signaling Mediates Microglial Resilience to Spatiotemporally Restricted Myelin Degeneration.” Nature Neuroscience, Jan. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41593-025-02161-4

AI 行業(yè)動態(tài)

OpenAI發(fā)布ChatGPT Health，打造隱私至上的個人AI健康助手

OpenAI于2026年1月7日正式推出全新產(chǎn)品ChatGPT Health，旨在將人工智能的強大智力與用戶的個人健康信息深度整合，提供安全且個性化的健康服務體驗。鑒于全球每周有超過2.3億用戶咨詢健康問題，OpenAI在現(xiàn)有隱私架構之上，為該功能構建了專用的加密與隔離技術。ChatGPT Health在獨立的空間內(nèi)運行，具備“獨立記憶”，其歷史對話、連接的文件及應用程序均與主聊天界面嚴格物理隔離，且OpenAI明確承諾這部分敏感數(shù)據(jù)絕不會用于訓練基礎模型。通過安全連接電子健康記錄（EHR，Electronic Health Records，包含病史、化驗結果及臨床記錄的數(shù)字化醫(yī)療檔案）以及Apple Health等應用，用戶可以借助AI解讀復雜的檢查報告、為就診做準備，或制定科學的飲食與運動計劃，從而更主動地理解并掌控自身的長期健康模式。

為了確保服務的專業(yè)性與安全性，OpenAI的研究人員與來自全球60個國家的260多位執(zhí)業(yè)醫(yī)生展開了為期兩年的深度合作，共同制定了產(chǎn)品的交互邏輯，明確其“輔助而非替代臨床護理”的核心定位。開發(fā)團隊特別引入了HealthBench（HealthBench，由醫(yī)生編寫評分標準的臨床評估框架），不依賴傳統(tǒng)的考試式問題，而是采用反映真實臨床實踐的判斷標準來嚴格評估AI的回復質量。目前，該功能已支持用戶通過側邊欄進入專屬健康空間，并能連接Function、MyFitnessPal等第三方健康應用。盡管部分功能如EHR整合目前僅限于美國地區(qū)及iOS系統(tǒng)，但OpenAI計劃在未來數(shù)周內(nèi)逐步向所有網(wǎng)頁端和iOS用戶開放這一服務，并通過持續(xù)引入更多數(shù)據(jù)源，幫助用戶以更充足的信心面對健康決策。

#ChatGPTHealth #OpenAI #電子健康記錄 #AI醫(yī)療助手 #隱私保護

閱讀更多：

https://openai.com/zh-Hans-CN/index/introducing-chatgpt-health/

Meta收購案生變：商務部介入調(diào)查Manus技術出海合規(guī)性

Meta 收購 AI 初創(chuàng)公司 Manus 的交易突生變數(shù)。2026年1月8日，中國商務部宣布將會同相關部門對該收購案啟動評估調(diào)查，重點審查其是否符合出口管制、技術進出口及對外投資等法律法規(guī)。此前外界普遍認為這筆數(shù)十億美元的交易已塵埃落定，Manus 創(chuàng)始人也原定出任 Meta 副總裁。然而，盡管 Manus 核心團隊已于2025年夏季遷往新加坡，但其早期技術積累源自北京。對外經(jīng)濟貿(mào)易大學的研究人員指出，簡單的跨國架構調(diào)整并不能自動繞過中國監(jiān)管體系，若核心技術在境內(nèi)開發(fā)，其轉移行為仍需獲得技術出口許可證，否則可能構成違規(guī)。

此次調(diào)查的核心在于界定 Manus 是否違規(guī)出口限制類技術及數(shù)據(jù)出境。Manus 作為一款通用的智能體，在 GAIA 基準測試中曾創(chuàng)下新的 SOTA記錄，具備極高的商業(yè)價值。由于人工智能相關技術在中國屬于“限制出口”類別，且運營過程中涉及大量用戶數(shù)據(jù)的跨境傳輸，必須經(jīng)過嚴格的法定程序與安全評估。目前該交易面臨三種可能：合規(guī)通過、補辦手續(xù)延遲完成或因實質性違規(guī)被叫停。這一案例不僅關乎 Manus 的命運，更為所有試圖通過海外架構運作的中國 AI 企業(yè)的合規(guī)路徑提供了重要的風向標。

#Meta收購Manus #商務部調(diào)查 #技術出口管制 #AI合規(guī) #智能體

閱讀更多：

https://www.xinhuanet.com/fortune/20260108/6076e590255b400ca15f10e7912ef08f/c.html

權威榜單遭質疑：LMArena被指淪為AI界的“選美比賽”

近期，一篇批評文章在科技圈引發(fā)震動，直指被視為AI界權威的 LMArena 大模型排行榜已淪為行業(yè)發(fā)展的“毒瘤”。LMArena 由加州大學伯克利分校等機構推出，采用用戶投票和 Elo評分系統(tǒng)（Elo Rating System，一種常用于棋類競技的等級分排名算法）來評估模型能力。然而，專業(yè)數(shù)據(jù)標注公司 Surge AI 的創(chuàng)始人 Edwin Chen 調(diào)查發(fā)現(xiàn)，該榜單存在嚴重的“形式大于內(nèi)容”問題：52%的高分回答包含事實錯誤，用戶往往傾向于把票投給篇幅長、格式精美且?guī)в斜砬榉柕幕卮�，而非準確的答案。Meta 此前提交的 Maverick 模型便通過刻意迎合這種偏好，一度在榜單上超越了 GPT-4o，而其實際公開版本因缺乏此類修飾，排名慘跌至第32位。

Surge AI 警告稱，這種評測機制正迫使行業(yè)陷入錯誤的優(yōu)化方向，導致“劣幣驅逐良幣”。由于平臺缺乏嚴格的質量控制和專家審核，研究人員被迫為了短期排名，將模型訓練成只會迎合用戶偏見、不敢指出錯誤的“應聲蟲”。Edwin Chen 將這種現(xiàn)象比作不可靠的“煉金術”，認為試圖從低質量的公眾投票中提煉出嚴謹?shù)脑u估結果是徒勞的。文章呼吁 AI 實驗室應警惕這種多巴胺陷阱，堅守實用性與可靠性的底線，而不是為了流量和排名犧牲 AI 的核心價值，因為真正的智能應當基于事實而非單純的討好。

#LMArena #AI大模型 #SurgeAI #Elo評分 #數(shù)據(jù)偏差

閱讀更多：

https://surgehq.ai/blog/lmarena-is-a-plague-on-ai

AI 驅動科學

MIT發(fā)現(xiàn)AI基礎模型正在學習物質的“通用語言”

不同的AI模型是否在以相同的方式“理解”世界？Sathya Edamadaka、Soojung Yang、Rafael Gómez-Bombarelli和Ju Li團隊（麻省理工學院）通過分析近六十種科學模型，發(fā)現(xiàn)盡管這些模型在輸入形式和架構上千差萬別，但它們正在學習一種共同的物質底層表征。這一發(fā)現(xiàn)表明，隨著性能的提升，科學基礎模型正在獨立地趨向于對物理現(xiàn)實的統(tǒng)一理解。

該研究對59個科學基礎模型進行了大規(guī)模的比較分析，這些模型涵蓋了分子、材料和蛋白質領域，輸入模態(tài)包括一維字符串（如SMILES）、二維圖結構和三維原子坐標等。研究人員利用QM9、RCSB等多個數(shù)據(jù)集，提取了每個模型最后一層隱藏層的數(shù)值嵌入，并使用多種度量方法分析了這些表征之間的對齊程度。

結果顯示，不同模型在廣泛的化學體系中表現(xiàn)出驚人的表征一致性。更有趣的是，隨著模型預測性能的提高，它們在表征空間中越發(fā)趨于收斂，暗示高性能模型正在逼近物理現(xiàn)實的某種“真理”。研究還揭示了模型的局限性：在處理熟悉的訓練分布內(nèi)數(shù)據(jù)時，高性能模型高度一致；但面對從未見過的分布外結構時，幾乎所有模型都會坍縮成低信息量的表征。這項工作將表征對齊確立為評估科學AI模型通用性的新基準。

#AI驅動科學 #大模型技術 #物質表征 #基礎模型 #跨學科整合

閱讀更多：

Edamadaka, Sathya, et al. “Universally Converging Representations of Matter Across Scientific Foundation Models.” arXiv:2512.03750, arXiv, 3 Dec. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2512.03750

AI驅動的“代謝性BMI”揭示隱性健康風險：體重正常也可能面臨五倍疾病威脅

傳統(tǒng)的體重指數(shù)（BMI）往往無法識別出那些體重正常但代謝風險極高的“隱性肥胖”人群。Rima M. Chakaroun博士與Fredrik B?ckhed教授（萊比錫大學與哥德堡大學）領導的國際研究團隊，開發(fā)了一種基于人工智能的新型評估工具——“代謝性BMI”（metBMI）。該研究不僅揭示了隱藏的代謝紊亂，還量化了腸道菌群與身體代謝之間的密切聯(lián)系，為精準醫(yī)療提供了新的視角。

? 代謝性肥胖的系統(tǒng)性視角：整合多器官和多組學特征。Credit: Nature Medicine (2026).

研究團隊分析了來自兩個瑞典大型隊列近2000名參與者的多組學數(shù)據(jù)，包括血液代謝物和腸道微生物組分析。通過機器學習算法，研究人員從最初的1000多種代謝產(chǎn)物中篩選出66種關鍵代謝物，構建了metBMI預測模型。結果顯示，metBMI比傳統(tǒng)BMI能更準確地反映脂肪相關的健康風險：在體重正常但metBMI較高的人群中，患糖尿病、脂肪肝和胰島素抵抗的風險高達五倍。此外，在接受減重手術的患者中，高metBMI個體的體重減輕幅度比其他人少30%，表明其代謝系統(tǒng)對干預的反應較差。研究還發(fā)現(xiàn)，高風險代謝特征與腸道細菌多樣性降低顯著相關，特別是將膳食纖維轉化為有益脂肪酸的能力減弱。這一發(fā)現(xiàn)表明，代謝健康是宿主與微生物相互作用的系統(tǒng)性結果。研究發(fā)表在 Nature Medicine 上。

#疾病與健康 #個性化醫(yī)療 #代謝組學 #腸道菌群 #人工智能

閱讀更多：

Chakaroun, Rima M., et al. “Multi-Omic Definition of Metabolic Obesity through Adipose Tissue–Microbiome Interactions.” Nature Medicine, Jan. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41591-025-04009-7

AI讀懂人類行蹤：RHYTHM模型利用大語言模型精準預測人類移動性

人類的行蹤看似隨機，實則有跡可循。為了更精準地掌握這種規(guī)律以優(yōu)化交通規(guī)劃及應對自然災害，東北大學的Haoyu He和Qi R. Wang等人開發(fā)了一種名為RHYTHM的創(chuàng)新AI工具。該團隊利用大語言模型技術，成功構建了一個不僅能理解日常通勤模式，還能預測未來行動軌跡的系統(tǒng)，在處理不規(guī)律的人類活動數(shù)據(jù)方面取得了顯著突破。

這項研究的核心在于將處理語言的大模型應用于時空數(shù)據(jù)。研究人員開發(fā)了層級時間標記化（Hierarchical Temporal Tokenization）技術，該方法將人類連續(xù)的移動軌跡切分為每日片段，并將其轉化為離散的“標記”，類似于語言模型處理單詞的方式，從而有效捕捉每日及每周的周期性依賴關系。此外，團隊采用了凍結大語言模型主干（Frozen LLM backbone）的策略，即在訓練過程中保持核心大模型的參數(shù)不變，僅調(diào)整輸入嵌入，這極大地降低了計算負擔。實驗結果顯示，RHYTHM在三個真實數(shù)據(jù)集上的總體預測準確率比現(xiàn)有最先進方法提高了2.4%，而在行為模式最難預測的周末時段，其準確率更是提升了5.0%。同時，該模型的訓練時間縮短了24.6%，證明了其在效率和性能上的雙重優(yōu)勢。研究發(fā)表在 Advances in Neural Information Processing Systems 39 (NeurIPS) 2025 上。

#AI 驅動科學 #預測模型構建 #大模型技術 #城市規(guī)劃

閱讀更多：

He, Haoyu, et al. “RHYTHM: Reasoning with Hierarchical Temporal Tokenization for Human Mobility.” arXiv:2509.23115, arXiv, 20 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.23115

同理心驅動：讓教育游戲更具情感與實效的十步框架

盡管電子游戲在教育潛力上備受認可，但如何將其有效融入課程并建立真正的情感連接仍是難題，許多游戲往往忽視了學習者的情感和社會體驗。為此，Raluca Ionela Maxim和Joan Arnedo-Moreno（加泰羅尼亞開放大學）開發(fā)了同理心設計思維框架（EDTF），旨在解決這一痛點，通過結構化的方法指導設計者開發(fā)出兼具教學價值與情感共鳴的教育游戲。

? Credit: Information (2025).

該研究提出了一種結合了同理心設計、設計思維以及人機交互（HCI）原則的創(chuàng)新方法。EDTF框架包含十個循序漸進的階段：從深入了解用戶需求的“同理心”階段開始，經(jīng)歷“共同設計場景”、“共同設計教學內(nèi)容”、“評估用戶體驗（User Experience）”、“創(chuàng)建簡單模型”等迭代過程，直至最終的“實施與維護”。這種方法不僅關注游戲機制，更強調(diào)通過情感計算和參與式設計來提升學習者的投入度。為了驗證該框架的有效性，研究團隊邀請了60名教學游戲專家進行量化評估，并對18名專家進行了深度訪談。結果顯示，該框架能有效指導設計者平衡教學目標與游戲體驗，將抽象的同理心轉化為具體的設計行動，從而創(chuàng)造出更具包容性和影響力的數(shù)字學習工具。研究發(fā)表在 Information 上。

#認知科學 #跨學科整合 #教育游戲 #同理心設計 #人機交互

閱讀更多：

Maxim, Raluca Ionela, and Joan Arnedo-Moreno. “EDTF: A User-Centered Approach to Digital Educational Games Design and Development.” Information, vol. 16, no. 9, Sept. 2025, p. 794. www.mdpi.com, https://doi.org/10.3390/info16090794

梅奧診所開發(fā)集成電子病歷的AI代理MedEduChat，助力前列腺癌個性化教育

面對復雜的診療信息和醫(yī)生有限的問診時間，癌癥患者常感到無助。為了解決這一痛點，Yuexing Hao和Wei Liu等（梅奧診所）研究團隊開發(fā)了一種創(chuàng)新的解決方案：MedEduChat。該工具利用人工智能技術，結合經(jīng)過驗證的臨床數(shù)據(jù)，旨在為患者提供精準、及時的個性化醫(yī)療教育，從而彌補醫(yī)患溝通中的鴻溝并減輕臨床團隊的負擔。

? 基于LLM的聊天機器人設計階段和步驟。該流程包含三個階段：健康結果解釋、學習增強和患者參與，以及五個循序漸進的步驟，用于指導用戶交互、個性化信息傳遞并整合反饋以持續(xù)改進。Credit: npj Digital Medicine (2025).

該研究的核心是開發(fā)了名為MedEduChat的智能代理，它將大型語言模型與電子健康記錄深度集成。在涉及15名前列腺癌患者的混合方法研究中，參與者與該系統(tǒng)進行了約20至30分鐘的互動。結果顯示，患者的健康信心評分（Health Confidence Score）從基線的9.9分躍升至13.9分，且系統(tǒng)獲得了83.7分的高易用性評分。患者普遍反映，該工具能將晦澀的醫(yī)學術語轉化為通俗易懂的語言。為確保安全性，專家團隊對85組問答進行了嚴格審查，結果表明MedEduChat在正確性方面得分極高（2.9/3），在完整性和安全性方面也表現(xiàn)優(yōu)異（均為2.7/3）。盡管如此，研究人員也指出，需警惕因電子病歷記錄不完整可能導致的潛在錯誤，并建議建立持續(xù)的監(jiān)控機制。研究發(fā)表在 npj Digital Medicine 上。

#疾病與健康 #個性化醫(yī)療 #大模型技術 #前列腺癌 #電子健康記錄

閱讀更多：

Hao, Yuexing, et al. “Personalizing Prostate Cancer Education for Patients Using an EHR-Integrated LLM Agent.” Npj Digital Medicine, vol. 8, no. 1, Dec. 2025, p. 770. www.nature.com, https://doi.org/10.1038/s41746-025-02166-0

基于6G/WiFi信號的非接觸式肺部疾病篩查技術

如何實現(xiàn)不接觸身體、無輻射且低成本的肺部疾病篩查？來自格拉斯哥大學的Qammer H. Abbasi和巴基斯坦信息技術大學的Muhammad Mahboob Ur Rahman等人組成的國際團隊，開發(fā)了一套基于無線信號的創(chuàng)新系統(tǒng)。該系統(tǒng)利用未來6G和WiFi7網(wǎng)絡技術，成功在不使用侵入性檢查手段的情況下，實現(xiàn)了對多種常見呼吸系統(tǒng)疾病的高精度識別，為未來的智能家居健康監(jiān)測和臨床診斷提供了新的解決方案。

? Credit: Communications Medicine (2026).

該研究的核心在于利用5.23GHz頻段的微波信號照射患者胸部，通過捕捉反射信號中因呼吸運動產(chǎn)生的細微變化來分析肺部健康狀況。研究團隊在醫(yī)院環(huán)境中采集了220名參與者的數(shù)據(jù)，涵蓋了哮喘、肺炎等五種疾病。他們采用了普通卷積神經(jīng)網(wǎng)絡的深度學習算法來處理這些正交頻分復用（Orthogonal Frequency Division Multiplexing）信號數(shù)據(jù)。結果顯示，該系統(tǒng)對疾病的分類準確率高達98%，對健康個體的識別率更是達到了100%。值得注意的是，這項技術采用了集成感知與通信設計，僅需占用12.5%的通信帶寬即可完成高精度傳感，剩余帶寬仍可用于正常的數(shù)據(jù)傳輸。這意味著未來的WiFi路由器或6G基站可能直接具備健康體檢功能。研究發(fā)表在 Communications Medicine 上。

#疾病與健康 #個性化醫(yī)療 #人工智能 #非接觸式監(jiān)測 #呼吸系統(tǒng)疾病

閱讀更多：

Buttar, Hasan Mujtaba, et al. “Non-Contact Lung Disease Classification via Orthogonal Frequency Division Multiplexing-Based Passive 6G Integrated Sensing and Communication.” Communications Medicine, vol. 6, no. 1, Jan. 2026, p. 9. www.nature.com, https://doi.org/10.1038/s43856-025-01181-2

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。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。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（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研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設立了應用神經(jīng)技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學研究院。

研究院還建成了支持腦科學和人工智能領域研究的生態(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、、、科普視頻媒體「大圓鏡」等。