█ 腦科學(xué)動(dòng)態(tài)

新型減肥藥停藥后體重反彈速度顯著快于行為干預(yù)

為何越老越難變通？

錯(cuò)位的大腦神經(jīng)元仍能執(zhí)行關(guān)鍵感覺功能

氧化應(yīng)激與機(jī)械力都可以破壞神經(jīng)纖維

將MRI變?yōu)椤岸匡@微鏡”：非侵入性檢測腦白質(zhì)微觀損傷的新突破

主動(dòng)用腦的“坐姿”有益大腦健康

自閉癥患者獨(dú)特的慣用手與大腦運(yùn)動(dòng)模式

█ AI行業(yè)動(dòng)態(tài)

FDA批準(zhǔn)首款居家處方級神經(jīng)調(diào)控系統(tǒng)

GPT-5.2 Pro獨(dú)立攻克45年數(shù)學(xué)難題，全程零失誤

首個(gè)通用游戲Agent COTA，大模型玩游戲思維鏈全程可見

X推薦算法：0人工干預(yù)，Grok同源架構(gòu)如何決定你的流量命運(yùn)？

█ AI驅(qū)動(dòng)科學(xué)

Nature：“集體智能”AI系統(tǒng)MOSAIC，實(shí)現(xiàn)高成功率化學(xué)合成預(yù)測

AI模型在實(shí)驗(yàn)室安全知識方面存在嚴(yán)重不足

AI模型揭示ALS脊髓回路退化機(jī)制與治療窗口

機(jī)器學(xué)習(xí)精準(zhǔn)預(yù)測抗抑郁藥療效并區(qū)分安慰劑效應(yīng)

DeepSeek推理分裂出多重人格，左右腦互搏越來越聰明

腦科學(xué)動(dòng)態(tài)

新型減肥藥停藥后體重反彈速度顯著快于行為干預(yù)

被稱為“減重神藥”的GLP-1類藥物雖然效果顯著，但停藥后的復(fù)胖問題一直備受關(guān)注。為了量化這一風(fēng)險(xiǎn)并對比不同干預(yù)手段的長期效果，Sam West、Jadine Scragg、Paul Aveyard及其團(tuán)隊(duì)（牛津大學(xué)）對全球范圍內(nèi)的相關(guān)研究進(jìn)行了大規(guī)模系統(tǒng)回顧。這項(xiàng)涉及近萬人的分析揭示了減肥藥物停藥后體重和健康指標(biāo)迅速回升的嚴(yán)峻現(xiàn)實(shí)，挑戰(zhàn)了短期藥物治療即可長期獲益的觀念。

該研究團(tuán)隊(duì)對37項(xiàng)試驗(yàn)、共9341名參與者的數(shù)據(jù)進(jìn)行了深入的薈萃分析。結(jié)果顯示，雖然藥物干預(yù)在治療期間帶來的平均減重效果優(yōu)于行為管理，但停藥后的反彈速度卻驚人�？傮w而言，停止藥物治療后，患者平均每月體重回升0.4公斤。特別是對于司美格魯肽（semaglutide）和替爾泊肽（tirzepatide）等新型高效藥物，反彈速度更是高達(dá)每月0.8公斤，這意味著患者在停藥后僅需約1.5年就會(huì)完全恢復(fù)到治療前的體重。與此同時(shí)，藥物帶來的心血管代謝益處（如血壓、血糖改善）也會(huì)在停藥后1.4年內(nèi)消失殆盡。相比之下，傳統(tǒng)的行為體重管理計(jì)劃（BWMP）雖然起效較慢，但停止干預(yù)后的反彈速度僅為每月0.1公斤，回歸初始體重需要近4年時(shí)間。研究人員指出，這可能是因?yàn)樾袨楦深A(yù)教會(huì)了患者控制體重的技能，而藥物僅在生理上抑制了饑餓感。這一發(fā)現(xiàn)提示，對于肥胖這種慢性復(fù)發(fā)性疾病，藥物治療可能需要長期持續(xù)，或需結(jié)合生活方式干預(yù)以維持療效。研究發(fā)表在 BMJ 上。

#疾病與健康 #健康管理與壽命延長 #肥胖 #GLP-1 #公共衛(wèi)生

閱讀更多：

West, Sam, et al. “Weight Regain after Cessation of Medication for Weight Management: Systematic Review and Meta-Analysis.” BMJ, vol. 392, Jan. 2026, p. e085304. Research. www.bmj.com, https://doi.org/10.1136/bmj-2025-085304

為何越老越難變通？大腦白質(zhì)結(jié)構(gòu)退化導(dǎo)致老年人適應(yīng)新環(huán)境能力下降

為什么隨著年齡增長，人們在適應(yīng)新環(huán)境或任務(wù)切換時(shí)會(huì)感到越來越吃力？阿肯色大學(xué)的Tatiana Wolfe及其同事通過分析成年期不同階段的大腦結(jié)構(gòu)變化，揭示了潛在于適應(yīng)性行為改變背后的神經(jīng)機(jī)制。研究團(tuán)隊(duì)發(fā)現(xiàn)，與行為適應(yīng)性相關(guān)的大腦結(jié)構(gòu)完整性在老年群體中起著至關(guān)重要的作用，而這種依賴性在年輕人中并不明顯。

? 在所有與行為適應(yīng)性相關(guān)的腦結(jié)構(gòu)中，這組結(jié)構(gòu)與老年人的功能表現(xiàn)相關(guān)，但與年輕人的功能表現(xiàn)無關(guān)。因此，行為適應(yīng)性的年齡相關(guān)變化可能反映在這些結(jié)構(gòu)的完整性上。顏色代表相關(guān)的認(rèn)知功能。AF，弓狀束；UF，鉤束；CTh，皮質(zhì)丘腦投射；Cing，扣帶束。Credit: Wolfe et al., 2025

研究團(tuán)隊(duì)首先通過分析既往神經(jīng)影像學(xué)研究，確定了負(fù)責(zé)環(huán)境適應(yīng)能力的大腦區(qū)域，并利用人類連接組計(jì)劃的數(shù)據(jù)識別出連接這些區(qū)域并促進(jìn)適應(yīng)性行為的白質(zhì)結(jié)構(gòu)。隨后，研究人員使用來自英國生物銀行（UK Biobank）的獨(dú)立成像數(shù)據(jù)集，重點(diǎn)考察了這些結(jié)構(gòu)的生物學(xué)特征如何隨時(shí)間變化。研究聚焦于認(rèn)知靈活性，即大腦在不同任務(wù)間切換或更新環(huán)境信息的能力。結(jié)果顯示，老年人的適應(yīng)性行為高度依賴于特定的白質(zhì)纖維束，而這些結(jié)構(gòu)中的髓鞘——一種包裹神經(jīng)纖維以加速信號傳遞的絕緣物質(zhì)——會(huì)隨著年齡增長而發(fā)生退化。這種髓鞘相關(guān)特征的惡化與成年后期出現(xiàn)的行為適應(yīng)性缺陷密切相關(guān)，表明大腦連接性的改變是老年人適應(yīng)能力下降的自然基礎(chǔ)。研究發(fā)表在 eNeuro 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #阿爾茨海默病 #觸覺感知 #Tau蛋白

閱讀更多：

Wolfe, Tatiana, et al. “Population-Level Age Effects on the White Matter Structure Subserving Cognitive Flexibility in the Human Brain.” eNeuro, Jan. 2026. Research Article: New Research. www.eneuro.org, https://doi.org/10.1523/ENEURO.0179-25.2025

錯(cuò)位的大腦神經(jīng)元仍能執(zhí)行關(guān)鍵感覺功能

大腦的結(jié)構(gòu)是否嚴(yán)格決定了其功能？長久以來，科學(xué)界認(rèn)為神經(jīng)元必須各就各位才能行使職權(quán)。然而，Sergi Roig-Puiggros 和 Denis Jabaudon 及其團(tuán)隊(duì)（日內(nèi)瓦大學(xué)）的一項(xiàng)突破性研究挑戰(zhàn)了這一假設(shè)。他們發(fā)現(xiàn)，即使神經(jīng)元位于大腦中的錯(cuò)誤位置，它們不僅能存活，還能完全接管正常大腦皮層的功能，這揭示了大腦驚人的適應(yīng)性和重組能力。

? 下丘腦神經(jīng)元重現(xiàn)了皮層神經(jīng)元的分子和空間特性。Credit: Nature Neuroscience (2025).

研究團(tuán)隊(duì)通過觀察患有“異位癥”（heterotopias）的小鼠——一種導(dǎo)致神經(jīng)元在大腦皮層下方形成異常簇的畸形——展開了研究。利用 *Eml1* 基因敲除模型，研究人員發(fā)現(xiàn)這些錯(cuò)位的神經(jīng)元形成的感覺回路與正常皮層幾乎完全相同。在涉及區(qū)分胡須的精細(xì)感覺任務(wù)中，當(dāng)研究人員暫時(shí)抑制小鼠正常皮層的活動(dòng)時(shí)，小鼠依然表現(xiàn)正常；這表明錯(cuò)位的神經(jīng)元已經(jīng)“接管”了工作。相反，若抑制這些異位神經(jīng)元，小鼠則無法完成任務(wù)，證實(shí)了這些“違章建筑”內(nèi)的神經(jīng)元已成為感覺處理的核心。正如研究人員所比喻，這就像把整個(gè)社區(qū)搬遷后，居民仍與城市其他部分保持原有的聯(lián)系。這一發(fā)現(xiàn)意味著，在再生醫(yī)學(xué)中，神經(jīng)移植物或腦類器官可能無需完美復(fù)制天然腦結(jié)構(gòu)即可發(fā)揮療效。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #大腦可塑性 #皮層異位 #再生醫(yī)學(xué)

閱讀更多：

Roig-Puiggros, Sergi, et al. “Position-Independent Emergence of Neocortical Neuron Molecular Identity, Connectivity and Function.” Nature Neuroscience, Dec. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-025-02142-7

氧化應(yīng)激與機(jī)械力都可以破壞神經(jīng)纖維

為什么截然不同的基因突變會(huì)導(dǎo)致相似的神經(jīng)退行性疾�。緼ndreas Prokop及其團(tuán)隊(duì)（曼徹斯特大學(xué)）利用果蠅模型進(jìn)行了深入研究。他們發(fā)現(xiàn)，被稱為“運(yùn)動(dòng)蛋白”的分子機(jī)器在軸突健康中起著雙重關(guān)鍵作用，無論是功能喪失還是過度活躍都會(huì)導(dǎo)致神經(jīng)纖維的結(jié)構(gòu)性破壞，這一發(fā)現(xiàn)為理解阿爾茨海默病和帕金森病等疾病的病理機(jī)制提供了全新視角。

? Credit: Current Biology (2026).

該研究聚焦于神經(jīng)元的軸突，這是連接大腦與身體的生物電纜，其內(nèi)部依賴運(yùn)動(dòng)蛋白沿著微管高速公路運(yùn)輸維持生命所需的物質(zhì)。研究團(tuán)隊(duì)通過操控果蠅的基因發(fā)現(xiàn)，當(dāng)運(yùn)動(dòng)蛋白基因突變導(dǎo)致運(yùn)輸停止（功能缺失）時(shí)，或者導(dǎo)致運(yùn)動(dòng)蛋白無法暫停、持續(xù)運(yùn)行（過度激活）時(shí)，都會(huì)引發(fā)同一種病理現(xiàn)象：原本筆直的微管束會(huì)崩解成雜亂的卷曲狀，形似“煮熟的意大利面”。

通過進(jìn)一步分析，研究人員揭示了殊途同歸背后的不同機(jī)制：功能缺失會(huì)導(dǎo)致線粒體等細(xì)胞器運(yùn)輸受阻，引發(fā)氧化應(yīng)激，進(jìn)而破壞微管的自我修復(fù)能力；而過度激活則產(chǎn)生過大的機(jī)械力，直接導(dǎo)致微管物理性損傷。這表明軸突存在一個(gè)“穩(wěn)態(tài)依賴循環(huán)”，即運(yùn)輸依賴于微管，微管的維護(hù)又依賴于運(yùn)輸，任何環(huán)節(jié)的破壞都會(huì)導(dǎo)致系統(tǒng)崩潰。這一發(fā)現(xiàn)解釋了為何多種不同的基因突變最終都會(huì)導(dǎo)致類似的神經(jīng)退行性病變。研究發(fā)表在 Current Biology 上。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #認(rèn)知科學(xué) #神經(jīng)縮放定律 #理論神經(jīng)科學(xué)

閱讀更多：

Liew, Yu-Ting, et al. “Loss and Gain of Motor Protein Function Cause Microtubule Bundle Damage in Drosophila Axons.” Current Biology, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cub.2025.12.038

將MRI變?yōu)椤岸匡@微鏡”：非侵入性檢測腦白質(zhì)微觀損傷的新突破

神經(jīng)系統(tǒng)疾病的早期微觀病變往往隱匿于常規(guī)醫(yī)學(xué)成像的視線之外，如何無創(chuàng)地捕捉這些蛛絲馬跡是醫(yī)學(xué)界的一大難題。Ali Abdollahzadeh（東芬蘭大學(xué)）與Dmitry S. Novikov（紐約大學(xué)格羅斯曼醫(yī)學(xué)院）等人組成的國際研究團(tuán)隊(duì)，通過結(jié)合物理學(xué)理論與先進(jìn)成像技術(shù)，成功將磁共振成像技術(shù)轉(zhuǎn)化為一種能夠檢測軸突微觀損傷的“定量顯微鏡”。該研究不僅揭示了大腦白質(zhì)微觀結(jié)構(gòu)的復(fù)雜性，還為阿爾茨海默病和創(chuàng)傷性腦損傷等疾病的早期診斷提供了全新的工具。

? 白質(zhì)微觀結(jié)構(gòu)：數(shù)萬根髓鞘化軸突密集排列在100微米3的腦白質(zhì)中，該圖像由電子顯微鏡成像，并利用人工智能進(jìn)行分割。Credit: University of Eastern Finland

研究團(tuán)隊(duì)首先利用體積電子顯微鏡以納米級精度重建了數(shù)十萬個(gè)軸突的三維結(jié)構(gòu)，建立了世界上最大的白質(zhì)微觀幾何參考庫�；诖藬�(shù)據(jù)，他們開發(fā)了一種新的散射框架，用于解析擴(kuò)散磁共振成像（diffusion MRI）中的信號，這是一種通過測量水分子在組織內(nèi)的運(yùn)動(dòng)來反映微觀結(jié)構(gòu)的技術(shù)。研究人員發(fā)現(xiàn)，盡管軸突結(jié)構(gòu)極其復(fù)雜，但在實(shí)驗(yàn)可觀測的時(shí)間尺度內(nèi)，通過菲克-雅各布斯方程（Fick–Jacobs equation）的精確解，僅需兩個(gè)參數(shù)——平均倒數(shù)橫截面和長程橫截面波動(dòng)的方差——即可描述水分子沿軸突的擴(kuò)散動(dòng)力學(xué)。在創(chuàng)傷性腦損傷的大鼠模型中，該方法成功檢測到了損傷數(shù)月后的軸突微觀形態(tài)變化，驗(yàn)證了其作為非侵入性生物標(biāo)志物的潛力。目前，該團(tuán)隊(duì)正利用超強(qiáng)梯度的下一代掃描儀，加速將這一成果從動(dòng)物模型向人類臨床應(yīng)用轉(zhuǎn)化。研究發(fā)表在 Nature Communications 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #擴(kuò)散磁共振成像 #腦白質(zhì)損傷 #軸突

閱讀更多：

Abdollahzadeh, Ali, et al. “Scattering Approach to Diffusion Quantifies Axonal Damage in Brain Injury.” Nature Communications, vol. 16, no. 1, Nov. 2025, p. 9808. www.nature.com, https://doi.org/10.1038/s41467-025-64793-1

主動(dòng)用腦的“坐姿”有益大腦健康

久坐通常被視為健康的隱形殺手，但昆士蘭大學(xué)（The University of Queensland）的 Jiatong Chen 和 Paul A. Gardiner 團(tuán)隊(duì)通過一項(xiàng)大規(guī)模研究發(fā)現(xiàn)，并非所有的久坐行為都對大腦有害。研究指出，看電視等被動(dòng)活動(dòng)確實(shí)會(huì)損害認(rèn)知，而閱讀、玩拼圖或使用電腦等需要腦力參與的活動(dòng)則有助于維持大腦健康，這為老齡化人口預(yù)防癡呆癥提供了新的生活方式指導(dǎo)。

該研究通過系統(tǒng)綜述的方式，整合了來自30個(gè)國家的85項(xiàng)研究數(shù)據(jù)，涵蓋了超過150萬名中老年受試者。這是迄今為止關(guān)于此類主題規(guī)模最大、最詳細(xì)的分析之一。研究人員將久坐行為區(qū)分為被動(dòng)和主動(dòng)兩類。數(shù)據(jù)分析顯示，在43項(xiàng)涉及看電視的研究中，有65%報(bào)告了長時(shí)間看電視與認(rèn)知功能下降之間存在顯著的負(fù)相關(guān)。相反，在涉及閱讀、使用電腦、玩紙牌或拼圖等精神活躍型久坐行為的58項(xiàng)研究中，絕大多數(shù)未發(fā)現(xiàn)負(fù)面影響，甚至顯示出對執(zhí)行功能、記憶力和認(rèn)知靈活性的保護(hù)作用。這表明，雖然保持身體活躍至關(guān)重要，但在不可避免的靜坐時(shí)間內(nèi)，選擇不僅能動(dòng)腦的活動(dòng)可以建立認(rèn)知儲(chǔ)備（Cognitive reserve，指大腦通過改變神經(jīng)連接處理任務(wù)來應(yīng)對腦損傷或病理變化的能力），從而減緩衰老帶來的認(rèn)知衰退。研究發(fā)表在 Journal of Alzheimer's Disease 上。

#疾病與健康 #健康管理與壽命延長 #阿爾茨海默病 #認(rèn)知功能 #久坐行為

閱讀更多：

Chen, Jiatong, et al. “Individual Sedentary Activities and Cognitive Function in Middle-Aged and Older Adults: A Systematic Review.” Journal of Alzheimer’s Disease, vol. 109, no. 2, Jan. 2026, pp. 545–93. SAGE Journals, https://doi.org/10.1177/13872877251394751

樂高搭建任務(wù)揭示自閉癥患者獨(dú)特的慣用手與大腦運(yùn)動(dòng)模式

慣用手不僅是生活習(xí)慣，更是大腦左右半球分工的體現(xiàn)，那么自閉癥患者的大腦是如何組織運(yùn)動(dòng)的？約克大學(xué)（York University）的Erez Freud和Emily Fewster團(tuán)隊(duì)通過一項(xiàng)獨(dú)特的實(shí)驗(yàn)研究發(fā)現(xiàn)，自閉癥患者在自然行為中的手部使用模式與常人存在顯著差異。這項(xiàng)研究揭示了自閉癥患者大腦皮層功能的專業(yè)化程度可能較低，進(jìn)而導(dǎo)致了高度個(gè)體化的運(yùn)動(dòng)特征。

? Credit: York University

為了捕捉真實(shí)世界中的動(dòng)態(tài)行為，研究團(tuán)隊(duì)邀請了54名慣用右手的成年人（半數(shù)為自閉癥患者）完成一項(xiàng)樂高模型搭建任務(wù)。與僅詢問寫字用手的傳統(tǒng)問卷不同，這種自然主義任務(wù)允許研究人員分析三維空間中的數(shù)千次動(dòng)作。結(jié)果顯示，盡管所有參與者均自稱右利手，但自閉癥組使用右手抓握的頻率明顯較低，且在進(jìn)行對側(cè)運(yùn)動(dòng)（contralateral movements，指手部跨越身體中線去操作另一側(cè)物體的動(dòng)作）時(shí)未表現(xiàn)出典型人群的優(yōu)勢。此外，自閉癥參與者傾向于采用更謹(jǐn)慎的空間策略，優(yōu)先處理距離較近的積木，其運(yùn)動(dòng)軌跡呈現(xiàn)出高度的獨(dú)特性和變異性，不像非自閉癥組那樣遵循相似的模式。這一發(fā)現(xiàn)表明，識別這些細(xì)微的運(yùn)動(dòng)差異可能為自閉癥的早期篩查和干預(yù)提供新的客觀指標(biāo)。研究發(fā)表在 Autism Research 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #自閉癥 #慣用手 #運(yùn)動(dòng)控制

閱讀更多：

Fewster, Emily, et al. “Reduced Hand Specialization and Idiosyncratic Visuomotor Strategies in Autism During Naturalistic Object Manipulation.” Autism Research, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1002/aur.70180. Accessed 20 Jan. 2026

AI 行業(yè)動(dòng)態(tài)

FDA批準(zhǔn)首款居家處方級神經(jīng)調(diào)控系統(tǒng)

全球神經(jīng)調(diào)控領(lǐng)域的領(lǐng)軍企業(yè) BrainsWay 近日宣布，其戰(zhàn)略合作伙伴 Neurolief 研發(fā)的 Proliv?Rx 系統(tǒng)正式獲得美國 FDA 上市前批準(zhǔn)。作為首個(gè)針對藥物難治性抑郁癥的“居家+處方級”神經(jīng)調(diào)控設(shè)備，這款三類醫(yī)療器械（Class III Medical Device，風(fēng)險(xiǎn)等級最高、需要最嚴(yán)格監(jiān)管的醫(yī)療設(shè)備）為成年重度抑郁癥患者提供了全新的治療選擇。Proliv?Rx 并非普通的消費(fèi)級穿戴設(shè)備，而是一套醫(yī)療級系統(tǒng)，其技術(shù)原理是通過向頭部三叉神經(jīng)及枕葉施加電刺激，從而調(diào)節(jié)涉及情緒控制的腦區(qū)。該系統(tǒng)結(jié)合了云端數(shù)據(jù)平臺(tái)，確立了“醫(yī)生主導(dǎo)、居家執(zhí)行”的治療模式，使醫(yī)生能夠遠(yuǎn)程監(jiān)控患者的依從性和癥狀變化，有效填補(bǔ)了抗抑郁藥物失效與傳統(tǒng)院內(nèi)介入治療之間巨大的空白。

研究人員在多中心、隨機(jī)雙盲的 MOOD 臨床試驗(yàn)中驗(yàn)證了該系統(tǒng)的有效性。數(shù)據(jù)顯示，經(jīng)過 16 周的積極治療，患者的漢密爾頓抑郁量表（Hamilton Depression Rating Scale，臨床上用于評估抑郁癥狀嚴(yán)重程度的標(biāo)準(zhǔn)問卷）評分平均下降了 10.15 分，32% 的重度患者達(dá)到完全緩解，病情嚴(yán)重程度發(fā)生了根本性逆轉(zhuǎn)。此次獲批驗(yàn)證了 BrainsWay 在“診所+家庭”雙軌療法上的布局，使其現(xiàn)有的深部經(jīng)顱磁刺激院內(nèi)業(yè)務(wù)與居家療法形成互補(bǔ)。未來，隨著真實(shí)世界數(shù)據(jù)的積累，這種混合治療模式有望緩解醫(yī)療資源壓力，并為焦慮癥等其他適應(yīng)癥的家用醫(yī)療設(shè)備過審鋪平道路。

#FDA批準(zhǔn) #神經(jīng)調(diào)控 #抑郁癥治療 #居家醫(yī)療 #BrainsWay

閱讀更多：

https://ushealthcarejournal.com/article/882502335

陶哲軒親自驗(yàn)證：GPT-5.2 Pro獨(dú)立攻克45年數(shù)學(xué)難題，全程零失誤

OpenAI 最新發(fā)布的模型 GPT-5.2 Pro 近日獨(dú)立證明了塵封45年的埃爾德什問題第281號（Erd?s problem #281，涉及同余覆蓋系統(tǒng)與自然密度的數(shù)學(xué)猜想）。該問題由傳奇研究人員 Paul Erd?s 和 Ronald Graham 于1980年共同提出，幾十年來未有定論。在研究人員 Neel Somani 將題目輸入模型后，GPT-5.2 Pro 給出了基于無窮阿德爾整數(shù)環(huán)的證明，巧妙運(yùn)用了遍歷理論。這一成果得到了菲爾茲獎(jiǎng)得主陶哲軒的親自驗(yàn)證，他評價(jià)這是“迄今為止最明確的AI主要貢獻(xiàn)”。陶哲軒特別指出，真正令人驚訝的不是證明方法，而是模型在推導(dǎo)過程中完全避免了極限交換或量詞順序等微妙錯(cuò)誤，而這些通常是前幾代大語言模型最容易“翻車”的地方。

就在AI證明引發(fā)熱議時(shí)，一位名為 KoishiChan 的用戶發(fā)現(xiàn)了一個(gè)戲劇性的轉(zhuǎn)折：該問題其實(shí)可由1936年和1966年的兩個(gè)經(jīng)典定理直接推導(dǎo)得出，這意味著連問題的提出者當(dāng)年都忽略了這一近在咫尺的簡捷解法。陶哲軒確認(rèn)了這一點(diǎn)，表示現(xiàn)在該問題同時(shí)擁有了來自AI的遍歷論路徑和來自經(jīng)典文獻(xiàn)的組合學(xué)路徑。盡管成果顯著，陶哲軒對AI數(shù)學(xué)能力的評估仍保持理性，他警告存在嚴(yán)重的報(bào)告偏差。統(tǒng)計(jì)數(shù)據(jù)顯示，目前AI在埃爾德什問題上的真實(shí)成功率僅為1%到2%，但這在龐大的未解難題庫面前，仍代表了AI在數(shù)學(xué)推理領(lǐng)域取得了不可忽視的實(shí)質(zhì)性突破。

#GPT-5.2Pro #埃爾德什猜想 #陶哲軒 #AI數(shù)學(xué)證明 #報(bào)告偏差

閱讀更多：

https://www.erdosproblems.com/forum/thread/281

首個(gè)通用游戲Agent COTA，大模型玩游戲思維鏈全程可見

超參數(shù)科技近日正式推出了一款名為 COTA 的全新游戲智能體，被譽(yù)為首個(gè)真正具備通用潛力的大語言模型游戲 Agent。在近期 AI 游戲賬號引發(fā)全網(wǎng)圍觀的背景下，COTA 展示了更為成熟的技術(shù)范式：它完全由大模型原生驅(qū)動(dòng)，不僅操作水平比肩職業(yè)選手，更具備如同人類般的決策邏輯，且思維鏈全程可見。為了解決傳統(tǒng)大模型推理延遲與游戲高頻實(shí)時(shí)決策之間的矛盾，COTA 創(chuàng)新性地采用了“雙系統(tǒng)分層架構(gòu)”。該架構(gòu)模擬人類大腦，將 AI 拆分為負(fù)責(zé)慢思考的“指揮官”和負(fù)責(zé)快直覺的“行動(dòng)專員”。前者專注于宏觀戰(zhàn)略與因果推演，后者則利用輕量化模型將戰(zhàn)略轉(zhuǎn)化為毫秒級的精準(zhǔn)物理操作。這種設(shè)計(jì)成功打破了實(shí)時(shí)性、對抗性和可解釋性難以兼得的“不可能三角”。

在技術(shù)細(xì)節(jié)上，COTA 基于 Qwen3-VL-8B-Thinking 模型構(gòu)建，這是一款兼顧性能與效率的“甜點(diǎn)級”模型。其訓(xùn)練流程涵蓋了監(jiān)督微調(diào)、群相對策略優(yōu)化以及人類偏好對齊三個(gè)階段，確保了 AI 既能進(jìn)行復(fù)雜的戰(zhàn)術(shù)博弈，又能避免機(jī)械感，實(shí)現(xiàn)高度擬人化的交互。在 FPS實(shí)機(jī)演示中，COTA 展現(xiàn)了急停拉槍、地形分析及團(tuán)隊(duì)掩護(hù)等高階能力，用戶甚至能實(shí)時(shí)查看其戰(zhàn)術(shù)意圖。COTA 的出現(xiàn)不僅為 MMORPG、MOBA 等游戲類型提供了全新的高擬人化交互體驗(yàn)，更具有超越游戲的意義。其驗(yàn)證的“高層語義理解+底層運(yùn)動(dòng)控制”協(xié)同模式，為具身智能從虛擬仿真走向現(xiàn)實(shí)世界提供了極具價(jià)值的參考路徑。

#COTA #游戲智能體 #大語言模型 #雙系統(tǒng)架構(gòu) #超參數(shù)科技

閱讀更多：

https://www.chaocanshu.cn/product/cota_apply

X推薦算法大揭秘：0人工干預(yù)，Grok同源架構(gòu)如何決定你的流量命運(yùn)？

Elon Musk 兌現(xiàn)了其關(guān)于透明度的承諾，正式開源了 X 平臺(tái)的推薦算法代碼。X 平臺(tái)的工程團(tuán)隊(duì)宣布，這套全新的推薦系統(tǒng)徹底摒棄了以往的人工規(guī)則和手工特征，轉(zhuǎn)而采用與 xAI 旗下 Grok 模型相同的 Transformer架構(gòu)，實(shí)現(xiàn)了完全的 AI 驅(qū)動(dòng)。該系統(tǒng)主要由兩大引擎構(gòu)成：“Thunder”負(fù)責(zé)實(shí)時(shí)處理用戶關(guān)注對象的動(dòng)態(tài)，利用 Kafka消息隊(duì)列（一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)）確保內(nèi)容更新的毫秒級延遲；而“Phoenix”則作為全球發(fā)現(xiàn)引擎，通過 用戶塔（User Tower，處理用戶特征的神經(jīng)網(wǎng)絡(luò)）和 候選塔（Candidate Tower，處理帖子內(nèi)容的神經(jīng)網(wǎng)絡(luò)）將數(shù)據(jù)轉(zhuǎn)化為向量，利用向量點(diǎn)積在海量內(nèi)容中精準(zhǔn)匹配用戶可能感興趣的帖子。這意味著，即便零粉絲的賬號，只要內(nèi)容質(zhì)量過硬，也能通過算法匹配獲得病毒式傳播。

此次開源最引人注目的核心在于其評分機(jī)制，該模型通過預(yù)測用戶的 15 種行為來決定帖子的最終得分。研究人員在代碼中設(shè)定了明確的獎(jiǎng)懲機(jī)制：被拉黑、靜音或舉報(bào)等負(fù)面反饋將導(dǎo)致權(quán)重顯著降低，嚴(yán)重影響賬號曝光；而用戶的“停留時(shí)間”和“點(diǎn)擊查看視頻”等行為則被視為高質(zhì)量互動(dòng)的信號。值得注意的是，算法極度推崇真實(shí)的社區(qū)互動(dòng)，作者回復(fù)評論的權(quán)重竟然是單純點(diǎn)贊的 75 倍，這表明忽視評論將直接扼殺傳播潛力。此外，為了保證信息流的多樣性，算法會(huì)對連續(xù)發(fā)帖進(jìn)行降權(quán)處理，并確保同一批次的候選帖子之間互不干擾。這一變革標(biāo)志著 X 平臺(tái)從傳統(tǒng)的運(yùn)營干預(yù)模式徹底轉(zhuǎn)向了依靠數(shù)據(jù)和算法的自動(dòng)化時(shí)代，為創(chuàng)作者提供了更透明、更公平的競爭環(huán)境。

#X算法開源 #推薦系統(tǒng) #Grok模型 #馬斯克 #AI驅(qū)動(dòng)

閱讀更多：

https://github.com/xai-org/x-algorithm

AI 驅(qū)動(dòng)科學(xué)

Nature：“集體智能”AI系統(tǒng)MOSAIC，實(shí)現(xiàn)高成功率化學(xué)合成預(yù)測

面對每年數(shù)十萬篇新增化學(xué)文獻(xiàn)的“信息海洋”，如何將其快速轉(zhuǎn)化為實(shí)驗(yàn)室中可行的操作方案？來自耶魯大學(xué)的Haote Li、Timothy R. Newhouse和Victor S. Batista等人組成的研究團(tuán)隊(duì)，開發(fā)出了一種名為MOSAIC的新型人工智能系統(tǒng)。該系統(tǒng)利用“集體智能”成功解決了這一難題，能夠生成高置信度且可直接執(zhí)行的化學(xué)合成方案，并已成功指導(dǎo)合成了多種新化合物，證明了其在復(fù)雜化學(xué)合成領(lǐng)域的巨大潛力。

MOSAIC系統(tǒng)的核心在于應(yīng)用了集體智能（Collective intelligence）策略，研究人員并未依賴單一的大型模型，而是基于Llama-3.1-8B-instruct架構(gòu)，利用沃羅諾伊聚類（Voronoi clustering）技術(shù)將廣闊的化學(xué)反應(yīng)空間細(xì)分為不同區(qū)域，并訓(xùn)練了2498個(gè)針對特定領(lǐng)域的“專家”模型。這種分工機(jī)制類似于醫(yī)院的分診系統(tǒng)，能將特定問題分配給最擅長的AI專家處理。實(shí)驗(yàn)結(jié)果顯示，MOSAIC在實(shí)驗(yàn)驗(yàn)證中達(dá)到了71%的整體成功率，協(xié)助研究人員成功合成了超過35種涵蓋藥物、先進(jìn)材料及化妝品等領(lǐng)域的新化合物。在產(chǎn)率預(yù)測分析中，其預(yù)測結(jié)果與真實(shí)情況高度相關(guān)。值得注意的是，盡管該模型僅擁有80億參數(shù)，但在化學(xué)合成任務(wù)上的表現(xiàn)卻超越了參數(shù)量大得多的ChatGPT-4o mini和Claude 3.5等通用大語言模型，甚至能發(fā)現(xiàn)訓(xùn)練數(shù)據(jù)中不存在的新反應(yīng)方法。研究發(fā)表在 Nature 上。

#AI 驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #化學(xué)合成 #大語言模型 #集體智能

閱讀更多：

Li, Haote, et al. “Collective Intelligence for AI-Assisted Chemical Synthesis.” Nature, Jan. 2026, pp. 1–3. www.nature.com, https://doi.org/10.1038/s41586-026-10131-4

AI模型在實(shí)驗(yàn)室安全知識方面存在嚴(yán)重不足

人工智能是否已經(jīng)準(zhǔn)備好成為科學(xué)家的實(shí)驗(yàn)助手？Yujun Zhou、Jingdong Yang、Xiangliang Zhang等人通過一項(xiàng)大規(guī)模基準(zhǔn)測試發(fā)現(xiàn)，當(dāng)前的人工智能模型在處理實(shí)驗(yàn)室安全問題時(shí)存在嚴(yán)重隱患。盡管AI在某些科學(xué)預(yù)測中表現(xiàn)優(yōu)異，但該團(tuán)隊(duì)的研究表明，過度信任這些模型進(jìn)行實(shí)驗(yàn)設(shè)計(jì)或風(fēng)險(xiǎn)評估可能會(huì)將研究人員置于危險(xiǎn)之中，因?yàn)槟Ｐ推毡槿狈?yīng)對真實(shí)實(shí)驗(yàn)室場景所需的安全知識。

? LabSafety Bench 概述。Credit: Nature Machine Intelligence (2026).

為了系統(tǒng)評估這一風(fēng)險(xiǎn)，研究團(tuán)隊(duì)開發(fā)了名為“LabSafety Bench”的測試框架，涵蓋了從生物、化學(xué)到物理等多個(gè)領(lǐng)域的數(shù)千個(gè)測試任務(wù)。團(tuán)隊(duì)利用該框架評估了19個(gè)主流模型，包括大語言模型和視覺語言模型。結(jié)果顯示，即便是性能頂尖的GPT-4o和DeepSeek-R，雖然在結(jié)構(gòu)化選擇題中準(zhǔn)確率較高，但在面對復(fù)雜的開放式推理時(shí)卻表現(xiàn)乏力。令人擔(dān)憂的是，在危害識別任務(wù)中，沒有任何一個(gè)模型的準(zhǔn)確率超過70%，特別是在化學(xué)品和低溫液體處理方面表現(xiàn)糟糕。此外，研究還發(fā)現(xiàn)，即使采用檢索增強(qiáng)生成——一種通過外部知識庫優(yōu)化模型輸出的技術(shù)，也未能顯著提升模型的安全判斷能力。這表明，在AI能徹底掌握實(shí)驗(yàn)室安全規(guī)范之前，嚴(yán)格的人工監(jiān)督仍是必不可少的。研究發(fā)表在 Nature Machine Intelligence 上。

#AI驅(qū)動(dòng)科學(xué) #大模型技術(shù) #實(shí)驗(yàn)室安全 #風(fēng)險(xiǎn)評估 #基準(zhǔn)測試

閱讀更多：

Zhou, Yujun, et al. “Benchmarking Large Language Models on Safety Risks in Scientific Laboratories.” Nature Machine Intelligence, Jan. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s42256-025-01152-1

AI模型揭示ALS脊髓回路退化機(jī)制與治療窗口

肌萎縮側(cè)索硬化癥（ALS）的治療研究長期受限于動(dòng)物模型無法全面反映病程動(dòng)態(tài)變化的問題。來自圣安德魯斯大學(xué)、哥本哈根大學(xué)和德雷克塞爾大學(xué)的研究團(tuán)隊(duì)，由 Beck Strohmer 和 Ilary Allodi 領(lǐng)銜，開發(fā)了一種基于生物學(xué)原理的AI計(jì)算模型。該模型成功預(yù)測了ALS進(jìn)展過程中神經(jīng)網(wǎng)絡(luò)的退化模式，并確定了潛在的治療干預(yù)窗口，為神經(jīng)退行性疾病的研究提供了新的互補(bǔ)工具。

該研究利用脈沖神經(jīng)網(wǎng)絡(luò)重建了脊髓運(yùn)動(dòng)回路。研究人員基于已知生物學(xué)數(shù)據(jù)，模擬了ALS中關(guān)鍵的V1中間神經(jīng)元（V1 interneurons，一種負(fù)責(zé)抑制性調(diào)控的神經(jīng)細(xì)胞）失調(diào)過程。模型預(yù)測顯示，V1神經(jīng)元的早期功能障礙會(huì)導(dǎo)致運(yùn)動(dòng)輸出失衡，引發(fā)屈肌偏向活動(dòng)。重要的是，通過計(jì)算模擬發(fā)現(xiàn)，如果在特定時(shí)間窗口內(nèi)穩(wěn)定V1突觸，不僅能改善運(yùn)動(dòng)功能，還能挽救另一種關(guān)鍵的V2a中間神經(jīng)元（V2a interneurons，負(fù)責(zé)興奮性傳遞）。這一計(jì)算機(jī)預(yù)測隨后在患有ALS癥狀的小鼠身上得到了實(shí)驗(yàn)證實(shí)。研究還警示，若干預(yù)時(shí)間過晚，可能會(huì)因網(wǎng)絡(luò)動(dòng)力學(xué)改變而產(chǎn)生副作用。這項(xiàng)工作展示了計(jì)算模型在指導(dǎo)臨床前研究及優(yōu)化治療策略方面的巨大潛力。研究發(fā)表在 Neurobiology of Disease 上。

#疾病與健康 #計(jì)算模型與人工智能模擬 #肌萎縮側(cè)索硬化癥 #神經(jīng)機(jī)制與腦功能解析 #跨學(xué)科整合

閱讀更多：

Strohmer, Beck, et al. “Spinal Circuit Mechanisms Constrain Therapeutic Windows for ALS Intervention: A Computational Modeling Study.” Neurobiology of Disease, vol. 219, Feb. 2026, p. 107253. ScienceDirect, https://doi.org/10.1016/j.nbd.2025.107253

機(jī)器學(xué)習(xí)精準(zhǔn)預(yù)測抗抑郁藥療效并區(qū)分安慰劑效應(yīng)

抑郁癥治療長期面臨“試錯(cuò)”難題，患者往往需要漫長的過程才能找到合適的藥物。Yu Zhang（斯坦福大學(xué)）及其來自利哈伊大學(xué)、德克薩斯大學(xué)奧斯汀分校的同事們開發(fā)了一種機(jī)器學(xué)習(xí)模型，不僅能根據(jù)腦部掃描數(shù)據(jù)預(yù)測患者對抗抑郁藥物的反應(yīng)，還能將藥物的真實(shí)療效與安慰劑效應(yīng)區(qū)分開來，為精準(zhǔn)精神病學(xué)提供了新工具。

? 結(jié)構(gòu)-功能協(xié)變特征分析及其對預(yù)測抗抑郁藥和安慰劑療效的影響。Credit: Nature Mental Health (2025),

研究團(tuán)隊(duì)通過一種名為“面向目標(biāo)的多模態(tài)融合”（target-oriented multimodal fusion）的技術(shù)，整合了重度抑郁癥患者的大腦結(jié)構(gòu)連接和功能連接數(shù)據(jù)。該模型在分析患者對舍曲林和安慰劑的反應(yīng)時(shí)表現(xiàn)出良好的預(yù)測能力，并在獨(dú)立的艾司西酞普蘭治療組中得到了驗(yàn)證。為了確保結(jié)果的可靠性和可解釋性，研究人員引入了“稀疏性正則化”，成功篩選出關(guān)鍵的大腦回路。結(jié)果顯示，雖然右側(cè)楔前葉參與了兩種反應(yīng)，但大腦結(jié)構(gòu)連接更能預(yù)測藥物療效，而功能連接則更能預(yù)測安慰劑反應(yīng)。此外，模型還識別出了與特定治療反應(yīng)相關(guān)的不同腦網(wǎng)絡(luò)組合，這有助于醫(yī)生在未來為患者匹配最合適的藥物，減少無效治療。研究發(fā)表在 Nature Mental Health 上。

#疾病與健康 #個(gè)性化醫(yī)療 #抑郁癥 #機(jī)器學(xué)習(xí) #神經(jīng)影像學(xué)

閱讀更多：

Tong, Xiaoyu, et al. “Generalizable Structure–Function Covariation Predictive of Antidepressant Response Revealed by Target-Oriented Multimodal Fusion.” Nature Mental Health, vol. 4, no. 1, Jan. 2026, pp. 85–101. www.nature.com, https://doi.org/10.1038/s44220-025-00541-0

DeepSeek推理分裂出多重人格，左右腦互搏越來越聰明

AI變聰明的秘密可能在于其內(nèi)部正在進(jìn)行一場激烈的“群聊”。來自谷歌智能范式團(tuán)隊(duì)、芝加哥大學(xué)和圣菲研究所的Junsol Kim和James Evans等人通過研究發(fā)現(xiàn)，DeepSeek-R1和QwQ-32B等頂尖推理模型在解決復(fù)雜問題時(shí)，并非進(jìn)行單一的線性計(jì)算，而是自發(fā)地模擬了一個(gè)“思維社會(huì)”。在這個(gè)過程中，模型內(nèi)部會(huì)分裂出具有不同性格和專長的虛擬人格——有的負(fù)責(zé)提出創(chuàng)意，有的負(fù)責(zé)嚴(yán)謹(jǐn)驗(yàn)證，有的負(fù)責(zé)挑錯(cuò)。這種機(jī)制類似于人類的“左右腦互搏”，通過內(nèi)部不同觀點(diǎn)的激烈辯論和視角切換來審視解決方案。研究顯示，這種多重人格的協(xié)作并非人為設(shè)計(jì)，而是在追求推理準(zhǔn)確率的過程中自發(fā)涌現(xiàn)的。

為了證實(shí)這一現(xiàn)象，研究團(tuán)隊(duì)利用稀疏自編碼器深入解碼了AI的推理過程，成功識別并“監(jiān)聽”到了這些內(nèi)部對話。實(shí)驗(yàn)表明，當(dāng)模型遇到高難度科學(xué)問題時(shí)，這種內(nèi)部沖突尤為劇烈。更有趣的是，研究發(fā)現(xiàn)簡單的對話標(biāo)記如“哦！”（Oh!）能顯著提升推理準(zhǔn)確率，在某些任務(wù)中甚至使其翻倍。進(jìn)一步的強(qiáng)化學(xué)習(xí)實(shí)驗(yàn)證實(shí)，僅獎(jiǎng)勵(lì)答對題目而不提供任何對話指導(dǎo)，模型也會(huì)自發(fā)學(xué)會(huì)這種對話式思考。這一發(fā)現(xiàn)呼應(yīng)了生物學(xué)中的“社會(huì)腦假說”，即智力的進(jìn)化是為了應(yīng)對復(fù)雜的社交互動(dòng)。該研究表明，系統(tǒng)性地構(gòu)建這種“思維社會(huì)”能有效利用群體智慧，為提升人工智能的推理能力指明了新方向。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #AI驅(qū)動(dòng)科學(xué) #認(rèn)知科學(xué)

閱讀更多：

Kim, Junsol, et al. “Reasoning Models Generate Societies of Thought.” arXiv:2601.10825, arXiv, 15 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.10825

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(jìn)，不斷探索科學(xué)的邊界。歡迎評論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問，我們將基于追問知識庫為你做出智能回復(fù)哦~

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?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)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(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、、科普視頻媒體「大圓鏡」等。