█ 腦科學(xué)動(dòng)態(tài)

特定“炎癥”狀態(tài)下的免疫細(xì)胞竟能促進(jìn)大腦神經(jīng)再生

15000小時(shí)修行背后：腦磁圖解密高僧的特殊神經(jīng)振蕩

大腦物理壓力觸發(fā)神經(jīng)元自毀程序

為何有些教師更抗壓？認(rèn)知重評(píng)在危機(jī)中的緩沖作用

眼球運(yùn)動(dòng)積極參與大腦對過往經(jīng)歷的重構(gòu)

新冠后遺癥患者大腦能量代謝受損

掌控夢境治愈心靈：清醒夢療法有望緩解PTSD與慢性噩夢

駁斥“一孕傻三年”：孕期大腦并未“變傻”，而是變得更具愛意

數(shù)學(xué)模型揭示大腦微血管網(wǎng)絡(luò)如何精準(zhǔn)調(diào)控血流

█ AI行業(yè)動(dòng)態(tài)

阿里達(dá)摩院開源RynnBrain“具身大腦”，機(jī)器人首獲時(shí)空記憶與物理推理能力

█ AI驅(qū)動(dòng)科學(xué)

視覺語言模型在神經(jīng)心理學(xué)測試中表現(xiàn)出廣泛的視覺缺陷

AI決策輔助工具并非中立：對AI持積極態(tài)度者更易被誤導(dǎo)

微米級(jí)鋅空氣電池問世，為微型機(jī)器提供片上電源

警惕AI排行榜陷阱：兩個(gè)投票即可改變AI冠軍

機(jī)器人群將音樂轉(zhuǎn)化為動(dòng)態(tài)光畫

AI精準(zhǔn)追蹤腦干白質(zhì)通路，助力神經(jīng)疾病診斷與預(yù)后評(píng)估

拋棄全局視野，聚焦局部信息：Transformer如何學(xué)會(huì)物理定律

考試滿分實(shí)戰(zhàn)不及格：大模型無法提升公眾醫(yī)療決策質(zhì)量

腦科學(xué)動(dòng)態(tài)

特定“炎癥”狀態(tài)下的免疫細(xì)胞竟能促進(jìn)大腦神經(jīng)再生

大腦中的免疫細(xì)胞如何影響新神經(jīng)元的生成？來自辛辛那提大學(xué)的Yu (Agnes) Luo、Kierra Ware、Joshua Peter以及辛辛那提兒童醫(yī)院的Krishna Roskin等人組成的研究團(tuán)隊(duì)，揭示了免疫細(xì)胞在調(diào)節(jié)成人大腦神經(jīng)發(fā)生中的關(guān)鍵作用。他們發(fā)現(xiàn)，改變小膠質(zhì)細(xì)胞的特定信號(hào)通路，不僅能促進(jìn)新神經(jīng)元的生成，還能減輕焦慮行為。

? 敲除小鼠海馬小膠質(zhì)細(xì)胞中的 Alk5 基因后，新生成年神經(jīng)元的存活率顯著提高。Credit: Nature Communications (2026).

該研究通過基因編輯技術(shù)，培育了小膠質(zhì)細(xì)胞中缺乏TGF-β信號(hào)通路的小鼠模型。通常認(rèn)為，免疫細(xì)胞的激活對神經(jīng)生成有害，但研究人員驚訝地發(fā)現(xiàn)，這些失去TGF-β信號(hào)的“反應(yīng)性”小膠質(zhì)細(xì)胞反而刺激了海馬區(qū)的成人神經(jīng)發(fā)生（adult neurogenesis，成年期大腦生成新神經(jīng)元的過程）。通過單細(xì)胞RNA測序分析，團(tuán)隊(duì)發(fā)現(xiàn)這是一種復(fù)雜的細(xì)胞間信號(hào)串?dāng)_：小膠質(zhì)細(xì)胞的變化導(dǎo)致新生神經(jīng)母細(xì)胞中PTEN信號(hào)下降，進(jìn)而激活了mTOR通路。行為學(xué)實(shí)驗(yàn)進(jìn)一步證實(shí)，這些神經(jīng)發(fā)生增強(qiáng)的小鼠表現(xiàn)出更少的焦慮樣行為。這一發(fā)現(xiàn)挑戰(zhàn)了傳統(tǒng)觀點(diǎn)，表明特定狀態(tài)下的免疫激活可能有益于大腦可塑性，并為未來治療阿爾茨海默病和情緒障礙提供了新的潛在靶點(diǎn)。研究發(fā)表在 Nature Communications 上。

#疾病與健康 #心理健康與精神疾病 #神經(jīng)發(fā)生 #免疫調(diào)節(jié) #腦科學(xué)

閱讀更多：

Ware, Kierra, et al. “Inhibition of TGF-β Signaling in Microglia Stimulates Hippocampal Adult Neurogenesis and Reduces Anxiety-like Behavior in Adult Mice.” Nature Communications, vol. 17, no. 1, Feb. 2026, p. 1440. www.nature.com, https://doi.org/10.1038/s41467-026-68885-4

15000小時(shí)修行背后：腦磁圖解密高僧的特殊神經(jīng)振蕩

與大眾普遍認(rèn)為的“大腦放空”相反，冥想實(shí)際上是一種大腦高度活躍且有序的狀態(tài)。蒙特利爾大學(xué)的Karim Jerbi、意大利國家研究委員會(huì)的Annalisa Pascarella以及基耶蒂-佩斯卡拉加布里埃萊·鄧南遮大學(xué)和羅馬大學(xué)的研究人員展開了一項(xiàng)國際合作。他們對12位平均擁有超過15,000小時(shí)修行經(jīng)驗(yàn)的泰國森林傳統(tǒng)佛教僧侶進(jìn)行了研究，深入探索了冥想如何重塑大腦的動(dòng)力學(xué)特征。

? t 值圖和基于聚類的置換檢驗(yàn)結(jié)果，用于分析兩種冥想狀態(tài)與 RS 狀態(tài)下復(fù)雜度特征（LZC、HFD 和 SpecEn）。Credit: Neuroscience of Consciousness (2025).

研究團(tuán)隊(duì)利用腦磁圖（MEG）技術(shù)，以毫秒級(jí)的時(shí)間分辨率記錄了僧侶們在休息、薩瑪塔（Samatha，止禪）和內(nèi)觀（Vipassana，觀禪）三種狀態(tài)下的大腦磁場活動(dòng)。研究引入了物理學(xué)中的“臨界性”（criticality）概念，即系統(tǒng)處于有序與混亂之間的最佳平衡狀態(tài)。分析結(jié)果顯示，冥想顯著增加了大腦活動(dòng)的復(fù)雜性，并調(diào)節(jié)了神經(jīng)振蕩。特別是內(nèi)觀冥想，它使大腦更接近“臨界點(diǎn)”，這種狀態(tài)下神經(jīng)網(wǎng)絡(luò)既足夠穩(wěn)定以傳遞信息，又足夠靈活以適應(yīng)新情況，被認(rèn)為是處理信息和學(xué)習(xí)的“最佳狀態(tài)”。相比之下，強(qiáng)調(diào)專注的薩瑪塔冥想則產(chǎn)生了一種更為穩(wěn)定的神經(jīng)模式。

此外，通過先進(jìn)的信號(hào)分析分離非周期性成分后，研究發(fā)現(xiàn)冥想實(shí)際上降低了伽馬波段的振蕩功率，修正了以往關(guān)于高頻波增強(qiáng)的認(rèn)知。這項(xiàng)研究不僅揭示了冥想提升大腦靈活性和情緒調(diào)節(jié)能力的神經(jīng)機(jī)制，也為治療焦慮和抑郁提供了科學(xué)依據(jù)。研究發(fā)表在 Neuroscience of Consciousness 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #心理健康與精神疾病 #跨學(xué)科整合

閱讀更多：

Pascarella, Annalisa, et al. “Meditation Induces Shifts in Neural Oscillations, Brain Complexity, and Critical Dynamics: Novel Insights from MEG.” Neuroscience of Consciousness, vol. 2025, no. 1, Feb. 2025, p. niaf047. Silverchair, https://doi.org/10.1093/nc/niaf047

大腦物理壓力觸發(fā)神經(jīng)元自毀程序

大腦腫瘤如何通過物理手段“壓垮”神經(jīng)元？來自圣母大學(xué)的Maksym Zarodniuk、Anna Wenninger、Meenal Datta和Christopher Patzke組成的跨學(xué)科團(tuán)隊(duì)，結(jié)合工程力學(xué)與神經(jīng)科學(xué)，揭示了慢性物理壓迫導(dǎo)致大腦損傷的深層機(jī)制。研究發(fā)現(xiàn)，腫瘤生長產(chǎn)生的機(jī)械力會(huì)直接觸發(fā)神經(jīng)元的程序性死亡，而不僅僅是簡單的物理破壞。這一發(fā)現(xiàn)有助于解釋腦腫瘤患者為何常伴隨嚴(yán)重的認(rèn)知與運(yùn)動(dòng)功能衰退。

? Credit: Proceedings of the National Academy of Sciences (2026).

為了解開這一謎題，研究團(tuán)隊(duì)采用了一種創(chuàng)新的實(shí)驗(yàn)方法。他們利用誘導(dǎo)多能干細(xì)胞（iPSCs）在實(shí)驗(yàn)室中培育出模擬大腦神經(jīng)網(wǎng)絡(luò)的神經(jīng)元和膠質(zhì)細(xì)胞系統(tǒng)，并對該系統(tǒng)施加精確控制的物理壓力，以模擬膠質(zhì)母細(xì)胞瘤對周圍組織的慢性壓迫。通過對受壓細(xì)胞進(jìn)行信使RNA測序，研究人員發(fā)現(xiàn)，物理壓力激活了特定的分子通路：HIF-1分子的增加雖然旨在幫助細(xì)胞適應(yīng)壓力，卻引發(fā)了腦部炎癥；同時(shí)，AP-1基因表達(dá)的上調(diào)進(jìn)一步促進(jìn)了神經(jīng)炎癥反應(yīng)。這種“自毀程序”導(dǎo)致神經(jīng)元凋亡和突觸功能喪失。團(tuán)隊(duì)還通過小鼠體內(nèi)模型和人類患者數(shù)據(jù)驗(yàn)證了這一結(jié)果，證實(shí)了機(jī)械力是導(dǎo)致神經(jīng)退行性病變的關(guān)鍵因素。研究發(fā)表在 PNAS 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #跨學(xué)科整合 #腫瘤 #腦損傷

閱讀更多：

Zarodniuk, Maksym, et al. “Mechanical Compression Induces Neuronal Apoptosis, Reduces Synaptic Activity, and Promotes Glial Neuroinflammation in Mice and Humans.” Proceedings of the National Academy of Sciences, vol. 123, no. 1, Jan. 2026, p. e2513172122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2513172122

為何有些教師更抗壓？認(rèn)知重評(píng)在危機(jī)中的緩沖作用

戰(zhàn)爭帶來的長期壓力嚴(yán)重威脅著教育工作者的職業(yè)生涯。為了探究為何部分教師能在危機(jī)中保持韌性，來自耶路撒冷希伯來大學(xué)的 Demetria Hila Neustadter、Dana Lassri、Dana Rose Cohen 以及海法大學(xué)的 Joy Benatov 和 Noga Cohen 組成的團(tuán)隊(duì)進(jìn)行了一項(xiàng)研究。他們發(fā)現(xiàn)，通過特定的心理調(diào)節(jié)策略，可以有效緩解戰(zhàn)爭環(huán)境對教師造成的職業(yè)倦怠。

? 認(rèn)知重評(píng)調(diào)節(jié)了戰(zhàn)爭經(jīng)歷與高中教師職業(yè)倦怠之間的關(guān)聯(lián)。Credit: Psychiatry Research (2026).

研究團(tuán)隊(duì)在戰(zhàn)爭爆發(fā)八個(gè)月后，對329名以色列高中教師（包括猶太裔和阿拉伯裔）進(jìn)行了在線調(diào)查。研究并未僅僅關(guān)注教師經(jīng)歷了多少戰(zhàn)爭事件（如疏散或目睹受傷），而是重點(diǎn)考察了他們的主觀壓力感受以及情緒調(diào)節(jié)方式。研究引入了認(rèn)知重評(píng)這一概念，即個(gè)體通過重新構(gòu)建對困境的認(rèn)知解讀來改變其情緒影響的策略。

結(jié)果顯示，導(dǎo)致職業(yè)倦怠的關(guān)鍵并非客觀的戰(zhàn)爭暴露程度，而是主觀的情緒困擾和無助感。數(shù)據(jù)分析表明，認(rèn)知重評(píng)起到了關(guān)鍵的心理緩沖作用：那些習(xí)慣于使用該策略的教師，其職業(yè)倦怠水平顯著較低。更重要的是，認(rèn)知重評(píng)削弱了戰(zhàn)爭暴露與身心疲憊之間的聯(lián)系，證明了韌性并非固定特質(zhì)，而是可以通過后天培養(yǎng)的技能。這項(xiàng)發(fā)現(xiàn)強(qiáng)調(diào)了關(guān)注教師內(nèi)在情緒狀態(tài)的重要性，并建議通過專業(yè)培訓(xùn)推廣這一簡單有效的策略。研究發(fā)表在 Psychiatry Research 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：

Neustadter, Demetria Hila, et al. “The Effects of War on Teachers’ Burnout: The Moderating Role of Emotion Regulation.” Psychiatry Research, vol. 357, Mar. 2026, p. 116942. ScienceDirect, https://doi.org/10.1016/j.psychres.2026.116942

眼球運(yùn)動(dòng)積極參與大腦對過往經(jīng)歷的重構(gòu)

眼睛不僅是接收信息的窗口，更是回溯記憶的關(guān)鍵線索。來自貝克雷斯特老年護(hù)理中心羅特曼研究所的Ryan M. Barker、Brian Levine等人組成的團(tuán)隊(duì)，通過一項(xiàng)創(chuàng)新研究揭示了眼球運(yùn)動(dòng)在記憶提取中的核心作用。他們發(fā)現(xiàn)，眼動(dòng)并非記憶過程的被動(dòng)副產(chǎn)品，而是積極參與了大腦對過去事件視覺和空間記憶的重建與處理。這一發(fā)現(xiàn)為理解人類記憶運(yùn)作機(jī)制提供了新視角，并可能為相關(guān)腦部疾病的診斷提供依據(jù)。

在該研究中，研究人員邀請了91名健康年輕成人參觀博物館式的藝術(shù)展覽，并在一周后讓參與者在面對空白屏幕時(shí)自由回憶參觀經(jīng)歷。利用高精度的眼動(dòng)追蹤技術(shù)，團(tuán)隊(duì)將參與者的眼球運(yùn)動(dòng)與口頭回憶內(nèi)容在毫秒級(jí)精度上進(jìn)行了同步分析。結(jié)果顯示，當(dāng)人們準(zhǔn)備回憶具體的情景細(xì)節(jié)時(shí)，其眼球掃視頻率會(huì)在細(xì)節(jié)說出前約半秒顯著增加，而在細(xì)節(jié)被回憶出來后立即減少。這種特定的眼動(dòng)模式在回憶一般性事實(shí)或非情景信息時(shí)并未出現(xiàn)。這表明視覺探索機(jī)制直接服務(wù)于現(xiàn)實(shí)生活經(jīng)驗(yàn)的重建。研究人員指出，由于眼動(dòng)測量具有非侵入性且易于重復(fù)，未來有望用于阿爾茨海默病等神經(jīng)退行性疾病的早期篩查，或幫助優(yōu)化創(chuàng)傷后應(yīng)激障礙（PTSD）的干預(yù)療法。研究發(fā)表在 Cognition 上。

#認(rèn)知科學(xué) #神經(jīng)機(jī)制與腦功能解析 #眼動(dòng)追蹤 #情景記憶 #阿爾茨海默病

閱讀更多：

Barker, Ryan M., et al. “Remembrance with Gazes Passed: Eye Movements Precede Continuous Recall of Episodic Details of Real-Life Events.” Cognition, vol. 268, Mar. 2026, p. 106380. ScienceDirect, https://doi.org/10.1016/j.cognition.2025.106380

新冠后遺癥患者大腦能量代謝受損

針對新冠后遺癥（PCCo）患者常見的腦霧、注意力不集中等認(rèn)知障礙問題，來自中央心理健康研究所（CIMH）的 Wolfgang Weber-Fahr、Gabriele Ende 和 Claudia Schilling 等研究人員發(fā)現(xiàn)，這些癥狀與大腦能量代謝的顯著改變有關(guān)。這項(xiàng)研究揭示了患者大腦特定區(qū)域的能量供應(yīng)異常，為理解新冠后遺癥的病理機(jī)制提供了新的生物學(xué)證據(jù)。

? PCCo 患者扣帶回皮質(zhì)的 ATP/PCr 區(qū)域性改變。Credit: Biological Psychiatry (2026).

研究團(tuán)隊(duì)利用磷磁共振波譜（31P-MRS）技術(shù)，對27名新冠后遺癥患者和23名完全康復(fù)的對照組進(jìn)行了對比分析。31P-MRS 能夠無創(chuàng)地檢測活體大腦中的關(guān)鍵能量物質(zhì)，包括被稱為“細(xì)胞燃料”的三磷酸腺苷（ATP）和作為短期能量儲(chǔ)備的磷酸肌酸（PCr）。結(jié)果顯示，患者大腦扣帶回皮層區(qū)域的 ATP/PCr 比率顯著降低，表明該區(qū)域細(xì)胞能量代謝受損。特別是在前扣帶回皮層，較低的能量水平與患者在認(rèn)知測試中的較差表現(xiàn)密切相關(guān)。此外，同時(shí)患有肌痛性腦脊髓炎/慢性疲勞綜合征（ME/CFS）的患者亞組也表現(xiàn)出類似的代謝模式。研究人員指出，這支持了線粒體功能障礙可能是導(dǎo)致新冠后遺癥認(rèn)知癥狀的關(guān)鍵機(jī)制。研究發(fā)表在 Biological Psychiatry 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #新冠后遺癥 #線粒體功能障礙 #腦能量代謝

閱讀更多：

Weber-Fahr, Wolfgang, et al. “Reduced ATP-to-Phosphocreatine Ratios in Neuropsychiatric Post-COVID Condition: Evidence from 31P Magnetic Resonance Spectroscopy.” Biological Psychiatry, vol. 0, no. 0, Jan. 2026. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2026.01.004

閱讀如何“教會(huì)”大腦聽懂陌生的聲音

學(xué)習(xí)閱讀是否會(huì)改變我們“聽”世界的方式？Mariana P. Nucci 和 Jed A. Meltzer 等人（圣保羅大學(xué)、貝克雷斯特羅特曼研究所）通過研究發(fā)現(xiàn)，識(shí)字能力不僅關(guān)乎閱讀文字，更從根本上重塑了大腦處理口語的機(jī)制。即便在沒有文字出現(xiàn)的純聽覺環(huán)境中，受過閱讀訓(xùn)練的大腦也展現(xiàn)出了截然不同的神經(jīng)活動(dòng)模式。

? Credit: Cortex (2026).

為了揭示閱讀對大腦聽覺處理的影響，研究團(tuán)隊(duì)在巴西招募了兩組老年人：一組是受過教育的終身閱讀者，另一組是僅能識(shí)別字母但無法理解文本的功能性文盲。研究人員利用功能性磁共振成像（fMRI）技術(shù)，監(jiān)測參與者在執(zhí)行“單詞監(jiān)測任務(wù)”時(shí)的大腦活動(dòng)。參與者需要聆聽故事，并在聽到特定目標(biāo)詞（如“水”）時(shí)按鍵。故事分為兩種：一種是母語葡萄牙語，另一種是完全陌生的日語。

結(jié)果顯示，兩組人在聆聽母語時(shí)表現(xiàn)相當(dāng)，但在處理陌生的日語時(shí)，識(shí)字者的表現(xiàn)顯著優(yōu)于文盲。腦部掃描揭示，識(shí)字者在處理陌生語言時(shí)，大腦右側(cè)額下回被強(qiáng)烈激活，而文盲組則未能激活這一區(qū)域。這表明，閱讀訓(xùn)練培養(yǎng)了一種名為音素意識(shí)（phonemic awareness）的能力，使大腦能夠獨(dú)立于語義去分析語音的細(xì)微結(jié)構(gòu)。右側(cè)額下回的參與反映了這種后天習(xí)得的高級(jí)語音處理技能，它幫助人們在面對復(fù)雜的聽覺挑戰(zhàn)時(shí)具備更強(qiáng)的認(rèn)知韌性。研究發(fā)表在 Cortex 上。

#疾病與健康 #其他 #細(xì)胞死亡 #癌癥治療 #免疫代謝

閱讀更多：

Nucci, Mariana P., et al. “Literacy Modulates Engagement of the Right Inferior Frontal Gyrus in Phonological Processing of Spoken Language.” Cortex, vol. 196, Mar. 2026, pp. 19–40. ScienceDirect, https://doi.org/10.1016/j.cortex.2025.12.007

掌控夢境治愈心靈：清醒夢療法有望緩解PTSD與慢性噩夢

清醒夢（Lucid Dreaming）即在睡眠中意識(shí)到自己在做夢的狀態(tài)，是人類意識(shí)中迷人的一部分。Tirath Patel 等研究人員針對清醒夢在心理健康治療中的應(yīng)用進(jìn)行了大規(guī)模綜述研究。團(tuán)隊(duì)通過匯總分析現(xiàn)有文獻(xiàn)，旨在填補(bǔ)長期健康影響證據(jù)的空白。研究發(fā)現(xiàn)，這種獨(dú)特的意識(shí)狀態(tài)可能成為治療慢性噩夢和創(chuàng)傷后應(yīng)激障礙（PTSD）的有效手段。

該研究分析了38項(xiàng)經(jīng)同行評(píng)審的論文，涵蓋健康人群及PTSD或帕金森病患者，并嚴(yán)格篩選了具備客觀生理數(shù)據(jù)支持的研究。研究結(jié)果顯示，當(dāng)人們進(jìn)入清醒夢時(shí)，大腦的前額葉皮層活動(dòng)顯著增強(qiáng)，該區(qū)域負(fù)責(zé)決策與沖動(dòng)控制；同時(shí)，額葉區(qū)域會(huì)出現(xiàn)增強(qiáng)的伽馬波段活動(dòng)，這種約40赫茲的快速腦電波與高級(jí)思維相關(guān)，幫助做夢者意識(shí)到“我在做夢”?；谶@種機(jī)制，患者可以在夢中獲得主導(dǎo)權(quán)，主動(dòng)面對并修改夢境內(nèi)容，將恐懼場景轉(zhuǎn)化為無害場景，從而阻斷創(chuàng)傷記憶的反復(fù)重演。盡管目前證據(jù)仍屬初步階段，但研究人員認(rèn)為未來結(jié)合可穿戴技術(shù)，患者有望在家中通過誘導(dǎo)清醒夢來進(jìn)行自我療愈。研究發(fā)表在 Annals of Medicine & Surgery 上。

#疾病與健康 #心理健康與精神疾病 #神經(jīng)機(jī)制與腦功能解析 #認(rèn)知科學(xué)

閱讀更多：

Patel, Tirath, et al. “A Narrative Review on the Neurobiology of Lucid Dreaming: Mechanisms and Therapeutic Potential.” Annals of Medicine and Surgery, vol. 88, no. 2, Feb. 2026, p. 1680. journals.lww.com, https://doi.org/10.1097/MS9.0000000000004741

駁斥“一孕傻三年”：孕期大腦并未“變傻”，而是變得更具愛意

懷孕不僅改變女性的身體，也在重塑她們的大腦嗎？為了探究懷孕期間女性在情感和認(rèn)知上如何為母職做準(zhǔn)備，來自哥本哈根大學(xué)和哥本哈根精神病中心的 Anne Juul Bjertrup、Kamilla Woznica Miskowiak 和 Catrine Sejer 等研究人員開展了一項(xiàng)對比研究。結(jié)果發(fā)現(xiàn)，懷孕會(huì)在心理上幫助女性更好地適應(yīng)嬰兒的信號(hào)，這種積極的適應(yīng)性變化不僅駁斥了“一孕傻三年”的說法，還能預(yù)測產(chǎn)后母嬰關(guān)系的質(zhì)量。

該研究比較了44名孕婦和34名非孕婦對包含嬰兒的圖像、視頻、聲音及虛擬現(xiàn)實(shí)場景的反應(yīng)。研究團(tuán)隊(duì)通過監(jiān)測參與者的生理反應(yīng)、面部表情以及自我報(bào)告的情緒感受，發(fā)現(xiàn)兩組人群存在顯著差異。與非孕婦相比，孕婦在聽到嬰兒哭聲時(shí)表現(xiàn)出的壓力較小，而在看到嬰兒微笑時(shí)則感到更快樂，并表現(xiàn)出更強(qiáng)烈的想要抱起嬰兒的沖動(dòng)。此外，研究人員并未發(fā)現(xiàn)孕婦在記憶力或注意力等“冷認(rèn)知”（cold cognition）任務(wù)上的表現(xiàn)劣于非孕婦，這表明盡管孕婦普遍睡眠質(zhì)量較差，但并沒有證據(jù)支持所謂的“孕傻”或“媽媽腦”導(dǎo)致的認(rèn)知衰退。

隨訪數(shù)據(jù)顯示，孕婦在懷孕期間對嬰兒刺激的反應(yīng)越積極，她在分娩六個(gè)月后報(bào)告的與孩子的關(guān)系就越好。研究指出，這種情感認(rèn)知的適應(yīng)性調(diào)整對于建立健康的母嬰紐帶至關(guān)重要。相反，如果在實(shí)驗(yàn)情境中對嬰兒信號(hào)表現(xiàn)出過度消極或壓力的反應(yīng)，可能預(yù)示著產(chǎn)后抑郁癥的風(fēng)險(xiǎn)增加。這一發(fā)現(xiàn)為早期識(shí)別和干預(yù)產(chǎn)后心理健康問題提供了新的視角。研究發(fā)表在 Infant Mental Health Journal 上。

#疾病與健康 #心理健康與精神疾病 #認(rèn)知科學(xué) #母嬰關(guān)系 #懷孕

閱讀更多：

Sejer, Catrine, et al. “Emotional-Cognitive Differences during Pregnancy: Adaptations for Motherhood.” Infant Mental Health Journal: Infancy and Early Childhood, vol. 47, no. 1, 2026, p. e70046. Wiley Online Library, https://doi.org/10.1002/imhj.70046

數(shù)學(xué)模型揭示大腦微血管網(wǎng)絡(luò)如何精準(zhǔn)調(diào)控血流

大腦血管網(wǎng)絡(luò)極其復(fù)雜，如何在其中實(shí)現(xiàn)精準(zhǔn)的血流控制一直是個(gè)謎。加州大學(xué)圣地亞哥分校的 Xiang Ji 和 David Kleinfeld 等人，聯(lián)合上海神經(jīng)科學(xué)研究所的 Kai Wang，結(jié)合理論物理與生物實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了深入研究。他們構(gòu)建了數(shù)學(xué)模型并分析了大規(guī)模微血管網(wǎng)絡(luò)數(shù)據(jù)，揭示了大腦微血管看似隨機(jī)的連接背后隱藏的血流控制組織原則。

? 小鼠大腦皮層直徑 0.7 毫米區(qū)域內(nèi)的血管系統(tǒng)，圖中紅色標(biāo)記區(qū)域突出顯示了血流控制可靠的區(qū)域。Credit: Kleinfeld lab / UC San Diego

研究團(tuán)隊(duì)首先建立了一個(gè)數(shù)學(xué)模型，用于預(yù)測單根血管的變化如何影響整個(gè)網(wǎng)絡(luò)的血流。他們利用共聚焦光場顯微鏡技術(shù)，在極高時(shí)空分辨率下追蹤了超過100萬個(gè)血細(xì)胞在3000多個(gè)血管分支中的運(yùn)動(dòng)，以此驗(yàn)證理論預(yù)測。研究發(fā)現(xiàn)，并非所有血管都能同等調(diào)節(jié)血流，只有位于穿透性小動(dòng)脈分支處的“過渡區(qū)毛細(xì)血管”（位于分叉節(jié)點(diǎn)/diverging nodes）才是關(guān)鍵的“控制器”。理論與數(shù)據(jù)均表明，只有這些特定位置的血管擴(kuò)張，才能可靠地增加下游血流。此外，由于單根血管擴(kuò)張的效果微弱，大腦必須通過協(xié)調(diào)血管舒張來確保有效的調(diào)節(jié)。研究還發(fā)現(xiàn)，這些關(guān)鍵節(jié)點(diǎn)通常被周細(xì)胞包裹，這為血管的精細(xì)調(diào)節(jié)提供了結(jié)構(gòu)基礎(chǔ)。這一發(fā)現(xiàn)對于理解功能性磁共振成像（fMRI）信號(hào)以及腦血管疾病的病理機(jī)制具有重要意義。研究結(jié)果發(fā)表在 PNAS 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #微循環(huán) #生物物理學(xué)

閱讀更多：

Ji, Xiang, et al. “Microvascular Architecture and Physiological Fluctuations Constrain the Control of Cerebral Microcirculation.” Proceedings of the National Academy of Sciences, vol. 123, no. 3, Jan. 2026, p. e2521872123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2521872123

AI 行業(yè)動(dòng)態(tài)

阿里達(dá)摩院開源RynnBrain“具身大腦”，機(jī)器人首獲時(shí)空記憶與物理推理能力

在全球具身智能競賽白熱化之際，阿里巴巴達(dá)摩院近日開源了其通用具身智能模型RynnBrain，為機(jī)器人裝上了能夠進(jìn)行復(fù)雜時(shí)空推理的“大腦”。該模型的核心突破在于首次讓機(jī)器人具備了“全局時(shí)空記憶”與“文本-空間交錯(cuò)推理”能力，有效解決了長期困擾行業(yè)的“物理幻覺”（模型描述與物理現(xiàn)實(shí)不符）和任務(wù)中斷后“健忘”兩大難題。這意味著機(jī)器人能在執(zhí)行任務(wù)被打斷后無縫回溯銜接，并能將語言指令與物理空間中的具體位置精準(zhǔn)綁定，實(shí)現(xiàn)“言必有據(jù)”的可靠操作。在涵蓋物體認(rèn)知、空間規(guī)劃等16項(xiàng)權(quán)威評(píng)測中，RynnBrain性能全面超越Gemini Robotics ER 1.5等前沿模型。

RynnBrain采用了一種仿生學(xué)的分層架構(gòu)思路，其基礎(chǔ)是達(dá)摩院此前開發(fā)的精準(zhǔn)視覺理解模型RynnEC（可視為“眼睛”）。在此之上，RynnBrain作為“大腦”負(fù)責(zé)高階規(guī)劃和決策。它基于高效的混合專家架構(gòu)，僅激活30億參數(shù)便達(dá)到了超越720億參數(shù)模型的性能，兼顧了能力與效率。尤為關(guān)鍵的是，其訓(xùn)練全部采用真實(shí)世界數(shù)據(jù)，通過“AI生成+人工清洗”方式構(gòu)建了高達(dá)2000萬對的高質(zhì)量數(shù)據(jù)集。此次開源包含從20億到300億參數(shù)的完整模型系列、訓(xùn)練代碼及全新評(píng)測基準(zhǔn)RynnBrain-Bench。達(dá)摩院的長期目標(biāo)是構(gòu)建統(tǒng)一的機(jī)器人操作系統(tǒng)（OS），此次開源是其構(gòu)建從感知模型到控制協(xié)議完整技術(shù)棧的關(guān)鍵一步。

#RynnBrain #具身智能 #機(jī)器人OS #阿里達(dá)摩院 #開源

閱讀更多：

https://github.com/alibaba-damo-academy/RynnBrain

AI 驅(qū)動(dòng)科學(xué)

視覺語言模型在神經(jīng)心理學(xué)測試中表現(xiàn)出廣泛的視覺缺陷

人工智能領(lǐng)域常存在“莫拉維克悖論”，即AI往往先掌握復(fù)雜的抽象推理，卻難以勝任人類覺得簡單的感知任務(wù)。為了探究這一現(xiàn)象在視覺領(lǐng)域的表現(xiàn)，來自奧克蘭大學(xué)的 Gene Tangtartharakul 和 Katherine R. Storrs 借用人類臨床評(píng)估工具，系統(tǒng)地對比了最先進(jìn)的視覺語言模型（VLMs）與人類的視覺能力，揭示了AI在視覺基礎(chǔ)層面的驚人短板。

研究團(tuán)隊(duì)采用了神經(jīng)心理學(xué)評(píng)估作為核心方法，這是臨床醫(yī)生通常用于評(píng)估人類感知和認(rèn)知能力的標(biāo)準(zhǔn)化工具。研究人員選取了三個(gè)頂尖的商用視覺語言模型，利用來自六個(gè)臨床及實(shí)驗(yàn)測試組的51項(xiàng)測試對其進(jìn)行全面“體檢”，其中包括用于評(píng)估不同視覺處理階段的伯明翰物體識(shí)別測試組（BORB）和側(cè)重于空間感知的視覺物體和空間感知測試組（VOSP）。通過將AI的表現(xiàn)與健康成年人的規(guī)范數(shù)據(jù)進(jìn)行直接對比，研究發(fā)現(xiàn)了一個(gè)顯著的感知分離現(xiàn)象：雖然這些模型在面部識(shí)別和復(fù)雜物體分類等高級(jí)任務(wù)上表現(xiàn)出色，但在處理方向、位置、遮擋和連續(xù)性等低級(jí)和中級(jí)視覺任務(wù)時(shí)，卻表現(xiàn)出廣泛的缺陷。在人類醫(yī)學(xué)標(biāo)準(zhǔn)下，這些缺陷被視為具有臨床意義。這一結(jié)果表明，與人類必須基于基礎(chǔ)視覺概念構(gòu)建復(fù)雜認(rèn)知不同，人工系統(tǒng)可以在缺乏基礎(chǔ)視覺能力的情況下實(shí)現(xiàn)高級(jí)識(shí)別，凸顯了兩者在視覺機(jī)制上的本質(zhì)差異。研究發(fā)表在 Nature Machine Intelligence 上。

#認(rèn)知科學(xué) #計(jì)算模型與人工智能模擬 #跨學(xué)科整合 #機(jī)器視覺 #深度學(xué)習(xí)

閱讀更多：

Tangtartharakul, Gene, and Katherine R. Storrs. “Visual Language Models Show Widespread Visual Deficits on Neuropsychological Tests.” arXiv:2504.10786, arXiv, 16 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.10786

AI決策輔助工具并非中立：對AI持積極態(tài)度者更易被誤導(dǎo)

人工智能輔助工具通常被認(rèn)為能消除人為偏見，但事實(shí)可能恰恰相反。Sophie Nightingale（蘭卡斯特大學(xué)）、Joe Pearson、Itiel E. Dror（認(rèn)知咨詢國際公司）以及Emma Jayes、Georgina Mason、Grace-Rose Whordley（英國國防科技實(shí)驗(yàn)室）組成的團(tuán)隊(duì)發(fā)現(xiàn)，基于AI的指導(dǎo)可能反而助長人類的偏見。研究表明，對人工智能持積極態(tài)度的人群，在使用AI輔助工具時(shí)，不僅未能提升決策質(zhì)量，反而面臨更高的被誤導(dǎo)風(fēng)險(xiǎn)，導(dǎo)致決策效率降低。

? 示例刺激材料中的面部圖像以輪廓形式呈現(xiàn)：上圖 = 合成面孔，人工智能條件；下圖 = 真實(shí)面孔，人類條件。真實(shí)面孔來自 Flickr-Faces-HQ 數(shù)據(jù)集，由 NVIDIA 公司根據(jù)知識(shí)共享署名-非商業(yè)性使用-相同方式共享 4.0 國際許可協(xié)議 (CC BY-NC-SA 4.0) 提供。Credit: Lancaster University

該研究招募了295名參與者進(jìn)行面孔真實(shí)性判斷任務(wù)，要求區(qū)分真實(shí)面孔與合成面孔。實(shí)驗(yàn)的關(guān)鍵在于，參與者會(huì)收到據(jù)稱來自“人類專家”或“AI算法”的建議，但這些建議實(shí)際上只有50%的準(zhǔn)確率。研究人員利用人工智能總體態(tài)度量表（GAAIS）測量了參與者對AI的看法。結(jié)果顯示，那些對AI持高度積極態(tài)度的參與者，在接受AI指導(dǎo)時(shí)，辨別真假面孔的能力顯著下降；而接受“人類指導(dǎo)”的對照組則未出現(xiàn)受信任度影響的情況。這揭示了一種特定的自動(dòng)化偏見，即人類傾向于過度信賴技術(shù)系統(tǒng)給出的建議。研究指出，盲目相信技術(shù)能消除偏見的觀念，反而可能導(dǎo)致用戶在AI出錯(cuò)時(shí)失去判斷力，從而損害而非提升決策水平。研究發(fā)表在 Scientific Reports 上。

#認(rèn)知科學(xué) #意圖與決策 #心理學(xué) #人機(jī)交互

閱讀更多：

Pearson, Joe, et al. “Examining Human Reliance on Artificial Intelligence in Decision Making.” Scientific Reports, vol. 16, no. 1, Feb. 2026, p. 5345. www.nature.com, https://doi.org/10.1038/s41598-026-34983-y

微米級(jí)鋅空氣電池問世，為微型機(jī)器提供片上電源

為解決微型機(jī)器人和植入式傳感器等設(shè)備的供電難題，來自印度塔塔基礎(chǔ)研究所的 Subhra R. Pattanayak, T. N. Narayanan 和英國倫敦大學(xué)學(xué)院的 Yujia Fan, Yijia Zhu 等研究人員合作，成功開發(fā)了一種可直接集成在芯片上的平面微米級(jí)鋅空氣電池。該電池設(shè)計(jì)新穎，在微米尺度下實(shí)現(xiàn)了前所未有的高能量密度和循環(huán)穩(wěn)定性，為自主微型設(shè)備的發(fā)展鋪平了道路。

? 上圖：分別采用 Zn 和 Co/Ni 電沉積法制備陽極和陰極的 CN-ZAMB（圖中插圖展示了陽極處可逆的 Zn?ZnO 轉(zhuǎn)化以及陰極處由 NH?? 、 Zn?? 、 Cl? 等電解質(zhì)離子和 H?O 分子促進(jìn)的雙功能 ORR/OER 過程）。下圖：（左）Au 叉指電極芯片（總面積 2.25 cm × 0.75 cm，活性面積 1.15 cm × 0.6 cm）、CN-ZAMB 和 Pt-ZAMB 的數(shù)碼照片。（右）三個(gè)串聯(lián)的 Pt-ZAMB 有效地為室內(nèi)外溫濕度計(jì)供電。Credit: S. R. Pattanayak, et al.

研究團(tuán)隊(duì)采用了一種創(chuàng)新的平面設(shè)計(jì)，在單個(gè)芯片上利用微加工技術(shù)制造出寬度僅為200微米的叉指電極（interdigitated electrodes），將陽極和陰極并列于同一平面，極大地縮小了電池厚度。電池的陽極由沉積在多孔銀骨架上的鋅構(gòu)成，陰極則采用了高效的雙功能催化劑，如鉑碳或電沉積的鈷鎳層狀雙氫氧化物（Co-Ni layered double hydroxide）。一個(gè)關(guān)鍵突破是使用了近中性的凝膠電解質(zhì)，替代了傳統(tǒng)鋅空氣電池中的強(qiáng)堿性電解液，使其生物相容性更好，更適合植入式設(shè)備。測試結(jié)果顯示，該微型電池性能卓越，其面容量在2毫安/平方厘米的高電流下超過20微安時(shí)/平方厘米，體積容量達(dá)到85毫安時(shí)/立方厘米，并能穩(wěn)定循環(huán)超過100次。研究團(tuán)隊(duì)還成功用三個(gè)串聯(lián)的微型電池點(diǎn)亮了一個(gè)數(shù)字溫濕度計(jì)，直觀地證明了其為微型電子設(shè)備供電的實(shí)際能力。研究發(fā)表在 Small Methods 上。

#其他 #機(jī)器人及其進(jìn)展 #微型電池 #鋅空氣電池

閱讀更多：

Pattanayak, Subhra R., et al. “Microscale Near-Neutral Zinc–Air Battery on Interdigitated Electrode Chips for High Current Operation.” Small Methods, vol. 9, no. 12, 2025, p. e01562. Wiley Online Library, https://doi.org/10.1002/smtd.202501562

警惕AI排行榜陷阱：兩個(gè)投票即可改變AI冠軍

大型語言模型排行榜的可靠性有多高？來自麻省理工學(xué)院（MIT）和IBM研究院的Jenny Y. Huang、Yunyi Shen、Tamara Broderick等人開發(fā)了一種快速評(píng)估方法，發(fā)現(xiàn)這些廣泛使用的排行榜對極少量的數(shù)據(jù)擾動(dòng)異常敏感，少數(shù)用戶的偏好投票就可能顛覆最終排名。

研究團(tuán)隊(duì)開發(fā)了一種高效的近似評(píng)估技術(shù)，用于測試LLM排名系統(tǒng)的數(shù)據(jù)魯棒性。該方法能精準(zhǔn)定位到那些對排名結(jié)果影響最大的“關(guān)鍵投票”，并模擬移除這些投票后的排名變化。他們將此方法應(yīng)用于多個(gè)基于成對比較模型（例如Bradley–Terry model）的流行排行榜，結(jié)果令人驚訝：在一個(gè)擁有超過57,000條用戶偏好數(shù)據(jù)的平臺(tái)上，僅需移除兩個(gè)投票（占比0.0035%）就能讓排名第一的模型易主。即便是在一個(gè)采用專家標(biāo)注、數(shù)據(jù)質(zhì)量更高的平臺(tái)上，移除大約3%的數(shù)據(jù)后，頂級(jí)模型的排名同樣發(fā)生了翻轉(zhuǎn)。研究人員指出，許多這類具有決定性影響的投票可能源于用戶誤操作或隨機(jī)噪聲，這意味著排行榜的頭名并不能保證其在所有場景下都具備普適的優(yōu)越性。

#AI驅(qū)動(dòng)科學(xué) #大模型技術(shù) #數(shù)據(jù)魯棒性 #排行榜穩(wěn)定性

閱讀更多：

Huang, Jenny Y., et al. Dropping Just a Handful of Preferences Can Change Top Large Language Model Rankings. 2026, https://arxiv.org/abs/2508.11847

機(jī)器人群將音樂轉(zhuǎn)化為動(dòng)態(tài)光畫

如何讓機(jī)器人將音樂的感性轉(zhuǎn)化為視覺藝術(shù)？滑鐵盧大學(xué)的Gennaro Notomista和Jingde Cheng開發(fā)了一套系統(tǒng)，利用機(jī)器人集群將音樂實(shí)時(shí)“繪制”成動(dòng)態(tài)光繪作品，并允許人類參與共同創(chuàng)作，將音樂、繪畫與機(jī)器人技術(shù)創(chuàng)新性地結(jié)合起來。

研究團(tuán)隊(duì)構(gòu)建了一個(gè)由多個(gè)足球大小的輪式機(jī)器人組成的集群。這些機(jī)器人通過算法“聆聽”音樂，實(shí)時(shí)提取節(jié)奏與和弦等情感特征，并將其轉(zhuǎn)化為具體的視覺元素。機(jī)器人的移動(dòng)速度、在地面畫布上的位置，以及其拖曳光跡的顏色、強(qiáng)度和寬度，都會(huì)隨著音樂的情感變化而動(dòng)態(tài)調(diào)整。一臺(tái)攝像機(jī)從上方捕捉這些光跡，最終融合成一幅流動(dòng)的光影畫作。該系統(tǒng)不僅是機(jī)器人的單向表演，更是一個(gè)開放的協(xié)作平臺(tái)。人類創(chuàng)作者可以通過控制器實(shí)時(shí)調(diào)整光跡寬度等參數(shù)，與機(jī)器人群共同完成藝術(shù)品，實(shí)現(xiàn)人機(jī)之間的靈感互補(bǔ)。這項(xiàng)技術(shù)背后的多機(jī)器人協(xié)調(diào)控制算法，未來還有望應(yīng)用于環(huán)境監(jiān)測、精準(zhǔn)農(nóng)業(yè)和搜救任務(wù)等領(lǐng)域。

#AI驅(qū)動(dòng)科學(xué) #機(jī)器人及其進(jìn)展 #人機(jī)協(xié)作 #藝術(shù)創(chuàng)作

閱讀更多：

Cheng, Jingde, and Gennaro Notomista. “Music-Driven Robot Swarm Painting.” 2025 IEEE International Conference on Advanced Robotics and Its Social Impacts (ARSO) [Osaka, Japan], July 2025, pp. 335–40. Semantic Scholar, https://doi.org/10.1109/ARSO64737.2025.11124982

AI精準(zhǔn)追蹤腦干白質(zhì)通路，助力神經(jīng)疾病診斷與預(yù)后評(píng)估

腦干是人體的“生命中樞”，其內(nèi)部微小的白質(zhì)通路受損與多種神經(jīng)系統(tǒng)疾病密切相關(guān)，但傳統(tǒng)影像技術(shù)難以清晰呈現(xiàn)。來自麻省理工學(xué)院、哈佛大學(xué)和麻省總醫(yī)院的Mark Olchanyi、Emery N. Brown等人，開發(fā)了一款名為“腦干束工具”（BSBT）的人工智能軟件，首次實(shí)現(xiàn)了對腦干內(nèi)八個(gè)關(guān)鍵白質(zhì)束的自動(dòng)化精準(zhǔn)分割，為相關(guān)疾病的診斷和預(yù)后評(píng)估開辟了新途徑。

? Credit: Mark Olchanyi/MIT Picower Institute

該研究的核心是一種為識(shí)別微小解剖結(jié)構(gòu)而優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)。研究團(tuán)隊(duì)首先利用健康志愿者的擴(kuò)散磁共振成像（diffusion MRI）數(shù)據(jù)對該網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過與尸檢人腦的“真實(shí)”解剖結(jié)構(gòu)比對來驗(yàn)證其準(zhǔn)確性。訓(xùn)練完成后，BSBT能夠自動(dòng)分析患者的MRI掃描數(shù)據(jù)，量化每個(gè)白質(zhì)束的體積和結(jié)構(gòu)完整性指標(biāo)——各向異性分?jǐn)?shù)（fractional anisotropy, FA，反映水分子沿神經(jīng)纖維擴(kuò)散的方向一致性，是評(píng)估白質(zhì)健康度的常用指標(biāo)）。研究團(tuán)隊(duì)將該工具應(yīng)用于阿爾茨海默病、帕金森病、多發(fā)性硬化癥和創(chuàng)傷性腦損傷患者的數(shù)據(jù)集，發(fā)現(xiàn)了與特定疾病相關(guān)的獨(dú)特?fù)p傷模式。尤為引人注目的是，該工具還成功追蹤了一名昏迷患者長達(dá)七個(gè)月的康復(fù)過程，清晰地展示了其受損腦干束的愈合情況，證實(shí)了其巨大的臨床應(yīng)用潛力。研究發(fā)表在 PNAS 上。

#疾病與健康 #預(yù)測模型構(gòu)建 #AI驅(qū)動(dòng)科學(xué) #神經(jīng)影像

閱讀更多：

Olchanyi, Mark D., et al. “Probabilistic Mapping and Automated Segmentation of Human Brainstem White Matter Bundles.” Proceedings of the National Academy of Sciences, vol. 123, no. 6, Feb. 2026, p. e2509321123. www.pnas.org, https://doi.org/10.1073/pnas.2509321123

拋棄全局視野，聚焦局部信息：Transformer如何學(xué)會(huì)物理定律

通用AI模型能否不止步于預(yù)測，而去發(fā)現(xiàn)宇宙的物理定律？針對當(dāng)前Transformer等模型在科學(xué)任務(wù)中僅能“擬合數(shù)據(jù)”而無法構(gòu)建“世界模型”的難題，來自麻省理工學(xué)院、貝勒醫(yī)學(xué)院和斯坦福大學(xué)的Ziming Liu、Sophia Sanborn、Surya Ganguli和Andreas Tolias等研究人員發(fā)現(xiàn)，只需引入三個(gè)簡單的歸納偏置，就能引導(dǎo)AI從學(xué)習(xí)開普勒的幾何模型，轉(zhuǎn)變?yōu)榘l(fā)現(xiàn)牛頓的力學(xué)定律。

研究團(tuán)隊(duì)通過實(shí)驗(yàn)證明，通用Transformer之所以無法自發(fā)學(xué)習(xí)牛頓定律，是因?yàn)槿鄙倭岁P(guān)鍵的先驗(yàn)假設(shè)。他們系統(tǒng)地引入了三個(gè)歸納偏置：首先，通過將預(yù)測任務(wù)從離散分類變?yōu)檫B續(xù)回歸，保證了空間的平滑性；其次，通過在訓(xùn)練中加入噪聲，解決了回歸模型中常見的誤差累積問題，確保了穩(wěn)定性。僅這兩步就足以讓模型學(xué)會(huì)一個(gè)連貫的開普勒世界模型，即根據(jù)行星歷史軌跡擬合出橢圓軌道。然而，實(shí)現(xiàn)從幾何擬合到物理洞察的飛躍，需要第三個(gè)偏置：時(shí)間局域性。通過將模型的注意力窗口限制在極短的過去，研究人員迫使模型放棄依賴全局歷史信息的“曲線擬合”策略，轉(zhuǎn)而學(xué)習(xí)如何僅根據(jù)局部狀態(tài)（當(dāng)前位置和速度）計(jì)算作用力，并以此預(yù)測未來，從而成功發(fā)現(xiàn)了牛頓的動(dòng)力學(xué)表征。這項(xiàng)工作清晰地表明，簡單的架構(gòu)選擇可以決定AI是成為數(shù)據(jù)擬合者還是物理學(xué)家。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #歸納偏置 #世界模型 #Transformer

閱讀更多：

Liu, Ziming, et al. “From Kepler to Newton: Inductive Biases Guide Learned World Models in Transformers.” 2026. Semantic Scholar, https://www.semanticscholar.org/paper/From-Kepler-to-Newton%3A-Inductive-Biases-Guide-World-Liu-Sanborn/4eeb778f159d6c5e758d718da4410b180b454a1c

考試滿分實(shí)戰(zhàn)不及格：大模型無法提升公眾醫(yī)療決策質(zhì)量

盡管大語言模型在醫(yī)學(xué)執(zhí)業(yè)考試中屢獲高分，但在真實(shí)世界中它們真的能成為合格的“AI醫(yī)生”嗎？Andrew M. Bean、Rebecca Elizabeth Payne 和 Guy Parsons 等（牛津大學(xué)）團(tuán)隊(duì)通過一項(xiàng)大規(guī)模研究對這一問題給出了否定的答案。研究人員發(fā)現(xiàn)，盡管AI擁有海量的醫(yī)學(xué)知識(shí)，但在實(shí)際協(xié)助普通人進(jìn)行醫(yī)療決策時(shí)，其表現(xiàn)并不比傳統(tǒng)的互聯(lián)網(wǎng)搜索更好，這揭示了當(dāng)前AI醫(yī)療應(yīng)用中被忽視的“交互鴻溝”。

該研究是一項(xiàng)針對1298名參與者的隨機(jī)對照試驗(yàn)，旨在評(píng)估大語言模型作為公眾醫(yī)療助手的可靠性。研究團(tuán)隊(duì)設(shè)計(jì)了10種不同的醫(yī)療情景（如感冒、貧血、膽結(jié)石等），并讓參與者分別使用GPT-4o、Llama 3、Command R+或傳統(tǒng)搜索引擎來輔助判斷病情及決定后續(xù)行動(dòng)（如是否呼叫救護(hù)車）。結(jié)果顯示，當(dāng)LLM“獨(dú)自”應(yīng)對這些考題時(shí)，表現(xiàn)堪稱完美，疾病識(shí)別準(zhǔn)確率高達(dá)94.9%。然而，當(dāng)這些“超級(jí)學(xué)霸”作為助手與人類互動(dòng)時(shí)，效果卻大打折扣：人類參與者的疾病識(shí)別率暴跌至34.5%以下，行動(dòng)決策正確率也不足45%，甚至沒有超過使用谷歌搜索的對照組。

研究團(tuán)隊(duì)指出，核心問題在于“人類-LLM交互”的失敗。普通用戶往往無法向AI提供完整、準(zhǔn)確的病情描述，而AI回復(fù)中充斥的專業(yè)術(shù)語或模棱兩可的建議（如籠統(tǒng)地區(qū)分緊急與非緊急情況）往往讓用戶感到困惑或誤解。這一發(fā)現(xiàn)表明，目前的醫(yī)學(xué)基準(zhǔn)測試無法預(yù)測AI在真實(shí)應(yīng)用中的表現(xiàn)，單純堆砌醫(yī)學(xué)知識(shí)并不能解決實(shí)際醫(yī)療場景中的溝通難題。研究發(fā)表在 Nature Medicine 上。

#疾病與健康 #大模型技術(shù) #人機(jī)交互 #醫(yī)療決策 #公共衛(wèi)生

閱讀更多：

Bean, Andrew M., et al. “Reliability of LLMs as Medical Assistants for the General Public: A Randomized Preregistered Study.” Nature Medicine, Feb. 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41591-025-04074-y

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(píng)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(shí)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。