█ 腦科學(xué)動(dòng)態(tài)

Nature：抑制芳香烴受體可促進(jìn)神經(jīng)損傷后的軸突再生

為什么有些人更愛想象未來？大腦獎(jiǎng)賞系統(tǒng)是關(guān)鍵

專注于身體感覺的走神有助于降低抑郁與ADHD風(fēng)險(xiǎn)

長期服用魚油可能阻礙輕度腦外傷后的腦血管修復(fù)

大腦如何喊停進(jìn)食？星形膠質(zhì)細(xì)胞充當(dāng)飽腹感通訊員

Cnpy1蛋白對(duì)信息素感知神經(jīng)元的功能與存活至關(guān)重要

SPARO技術(shù)實(shí)現(xiàn)活體腦細(xì)胞分子圖譜精準(zhǔn)繪制

觀摩資深治療師如何塑造新手溝通力

眼睛聚焦依賴顏色信號(hào)而非僅憑清晰度

█ AI行業(yè)動(dòng)態(tài)

Anthropic“囚禁”最強(qiáng)模型Claude Mythos

首款居家神經(jīng)調(diào)控設(shè)備Proliv?Rx獲FDA批準(zhǔn)

█ AI驅(qū)動(dòng)科學(xué)

識(shí)別語音特征誰更快？架構(gòu)差異決定AI深層處理策略

可穿戴機(jī)器人通過觸覺反饋提升小提琴二重奏協(xié)作

AI心理治療師來了？別急，先從輔助人類專家開始

人工智能驅(qū)動(dòng)的發(fā)現(xiàn)陷入瓶頸：科學(xué)證據(jù)被困于前數(shù)字系統(tǒng)

達(dá)摩院新模型精準(zhǔn)預(yù)測細(xì)胞對(duì)藥物的反應(yīng)

ERAST：基于AI大模型的毫秒級(jí)生物序列搜索工具

S-Researcher：一個(gè)用于社會(huì)科學(xué)自動(dòng)化的人機(jī)協(xié)作AI平臺(tái)

BraiNCA模型通過長程連接和拓?fù)鋬?yōu)化提升AI自組織能力

大語言模型有“數(shù)感”嗎？新基準(zhǔn)SenseMath揭示其推理捷徑的局限性

腦科學(xué)動(dòng)態(tài)

Nature：抑制芳香烴受體可促進(jìn)神經(jīng)損傷后的軸突再生

神經(jīng)或脊髓損傷常導(dǎo)致長期的運(yùn)動(dòng)與感覺功能喪失。西奈山伊坎醫(yī)學(xué)院的Dalia Halawani、Yiqun Wang與Hongyan Zou等人發(fā)現(xiàn)，芳香烴受體是控制神經(jīng)元應(yīng)對(duì)壓力與生長的關(guān)鍵開關(guān)，抑制該受體可顯著促進(jìn)損傷后的軸突再生與功能恢復(fù)。

為探究神經(jīng)損傷后修復(fù)受限的機(jī)制，研究人員構(gòu)建了周圍神經(jīng)損傷與脊髓損傷的小鼠模型。通過基因敲除或藥物干預(yù)技術(shù)抑制小鼠神經(jīng)元中的芳香烴受體，觀察其對(duì)神經(jīng)修復(fù)的影響。結(jié)合單細(xì)胞和表觀基因組學(xué)分析發(fā)現(xiàn)，當(dāng)軸突受損時(shí)，激活的芳香烴受體會(huì)促使神經(jīng)元優(yōu)先維持蛋白質(zhì)穩(wěn)態(tài)以自我保護(hù)，但這減少了神經(jīng)元生長所需新蛋白質(zhì)的生成。一旦芳香烴受體被抑制，神經(jīng)元便會(huì)轉(zhuǎn)變策略，增加蛋白質(zhì)的從頭翻譯，并激活依賴于HIF-1α（一種調(diào)控代謝和組織修復(fù)的蛋白因子）的生長網(wǎng)絡(luò)。活體動(dòng)物實(shí)驗(yàn)證實(shí)，抑制該受體可有效改善小鼠受損神經(jīng)的運(yùn)動(dòng)與感覺功能。該研究揭示了重塑損傷反應(yīng)程序的分子機(jī)制，為臨床干預(yù)脊髓損傷提供了新思路。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #脊髓損傷 #芳香烴受體 #軸突再生

閱讀更多：

Halawani, Dalia, et al. “AhR Inhibition Promotes Axon Regeneration via a Stress–Growth Switch.” Nature, Apr. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-026-10295-z

為什么有些人更愛想象未來？大腦獎(jiǎng)賞系統(tǒng)是關(guān)鍵

為什么有些人比其他人更喜歡規(guī)劃和想象未來？德國波鴻魯爾大學(xué)和巴黎索邦大學(xué)的Ekrem Dere提出了自我強(qiáng)化假說，指出這種心理時(shí)間旅行會(huì)激活大腦的獎(jiǎng)賞系統(tǒng)，從而強(qiáng)化個(gè)體的前瞻性行為，且該機(jī)制在病理狀態(tài)下可能導(dǎo)致精神疾病慢性化。

想象未來有助于預(yù)測后果和降低壓力，但這是一項(xiàng)耗時(shí)且無即時(shí)回報(bào)的復(fù)雜認(rèn)知任務(wù)。為了解釋個(gè)體間的頻率差異，研究者基于操作性條件反射提出了全新理論。研究指出，如果未來導(dǎo)向的心理時(shí)間旅行（mental time travel，即設(shè)想未來情境的認(rèn)知過程）看似能有效解決當(dāng)前的社會(huì)或職業(yè)問題，大腦的中腦邊緣多巴胺系統(tǒng)就會(huì)被激活。這種神經(jīng)層面的內(nèi)在獎(jiǎng)勵(lì)不僅有助于個(gè)體記住行動(dòng)計(jì)劃直至實(shí)現(xiàn)，還能強(qiáng)化這種前瞻性行為。

研究建議未來可以通過功能性磁共振成像進(jìn)行實(shí)證測試，他們預(yù)言經(jīng)常想象未來的人擁有更活躍的獎(jiǎng)賞系統(tǒng)。此外，研究警告該功能可能被病理機(jī)制劫持，導(dǎo)致患者將過去的負(fù)面經(jīng)歷投射到未來，產(chǎn)生災(zāi)難化預(yù)測并引發(fā)適應(yīng)不良的回避行為，最終使精神障礙演變?yōu)槁约膊　Ｒ虼�，在心理干預(yù)中阻斷災(zāi)難化預(yù)測并訓(xùn)練建設(shè)性的未來規(guī)劃具有重要臨床意義。研究發(fā)表在 Psychological Review 上。

#認(rèn)知科學(xué) #心理健康與精神疾病 #心理時(shí)間旅行 #大腦獎(jiǎng)賞系統(tǒng) #多巴胺系統(tǒng)

閱讀更多：

Dere, Ekrem. “Future-Oriented Mental Time Travel and Self-Reinforcement.” Psychological Review [US], 2026. APA PsycNet, https://doi.org/10.1037/rev0000624

越關(guān)注身體越健康：專注于身體感覺的走神有助于降低抑郁與ADHD風(fēng)險(xiǎn)

走神時(shí)大腦究竟在想什么？傳統(tǒng)的神經(jīng)影像學(xué)研究多將靜息狀態(tài)視為認(rèn)知基線，往往忽略了身體真實(shí)的內(nèi)部感受。Leah Banellis、Micah G. Allen等（來自丹麥、加拿大和德國的合作機(jī)構(gòu)）揭示了身體游離現(xiàn)象，發(fā)現(xiàn)關(guān)注自身生理感覺的走神模式雖然在當(dāng)下會(huì)引發(fā)高度警覺，但長期來看卻與更少的抑郁癥和注意力缺陷多動(dòng)障礙（ADHD）癥狀相關(guān)。

? 與走神相關(guān)的獨(dú)特腦連接模式，這種模式根植于身體感覺和情緒。Credit: Proceedings of the National Academy of Sciences (2026).

為了探究大腦如何專注于身體，研究人員對(duì)536名參與者進(jìn)行了詳細(xì)評(píng)估。參與者在接受功能磁共振成像掃描時(shí)需注視屏幕十字并保持靜止。期間，傳感器同步追蹤其心率、呼吸和胃部活動(dòng)。隨后參與者完成了包含22個(gè)維度的問卷，以評(píng)估靜息狀態(tài)下對(duì)內(nèi)部感覺的關(guān)注度。研究發(fā)現(xiàn)，被稱為身體游離（body-wandering，指注意力自發(fā)轉(zhuǎn)向心跳或呼吸等身體內(nèi)部生理狀態(tài)的過程）的現(xiàn)象在個(gè)體間差異巨大。與通常令人愉悅的普通思維漫游不同，身體游離總是與負(fù)面情緒、更快的心跳和較低的心率變異性相關(guān)。盡管當(dāng)下生理體驗(yàn)偏向負(fù)面，但經(jīng)常發(fā)生身體游離的人反而報(bào)告了更少的抑郁癥和ADHD癥狀。此外，多變量功能連接分析表明，這種狀態(tài)伴隨丘腦與調(diào)節(jié)運(yùn)動(dòng)和觸覺的皮層網(wǎng)絡(luò)之間更強(qiáng)的神經(jīng)連接。該發(fā)現(xiàn)為理解身心機(jī)制及開發(fā)相關(guān)精神疾病干預(yù)手段提供了全新視角。研究發(fā)表在 PNAS 上。

#疾病與健康 #心理健康與精神疾病 #走神 #身體游離 #靜息態(tài)功能磁共振成像

閱讀更多：

Banellis, Leah, et al. “Uncovering the Embodied Dimension of the Wandering Mind.” Proceedings of the National Academy of Sciences, vol. 123, no. 13, Mar. 2026, p. e2520822123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2520822123

長期服用魚油可能阻礙輕度腦外傷后的腦血管修復(fù)

魚油對(duì)腦損傷恢復(fù)有何長期影響？Onder Albayram、Eda Karakaya、Semir Beyaz等（南卡羅來納醫(yī)科大學(xué)等）發(fā)現(xiàn)，魚油中的特定成分會(huì)重編程腦血管代謝，阻礙輕度腦外傷愈合并加速認(rèn)知衰退。

? Credit: Cell Reports (2026).

研究團(tuán)隊(duì)結(jié)合動(dòng)物模型、體外實(shí)驗(yàn)與人類腦組織進(jìn)行系統(tǒng)分析。在小鼠模型中，采用魚油補(bǔ)充飲食結(jié)合反復(fù)輕微頭部撞擊，結(jié)果顯示高水平的二十碳五烯酸積累引發(fā)了延遲的脆弱性。小鼠不僅空間學(xué)習(xí)能力下降，皮層中還出現(xiàn)了血管相關(guān)的tau蛋白病變。轉(zhuǎn)錄組學(xué)結(jié)果表明，該成分抑制了細(xì)胞外基質(zhì)組織和內(nèi)皮完整性的基因表達(dá)。體外實(shí)驗(yàn)證實(shí)，在促進(jìn)脂肪酸代謝的環(huán)境下，人腦微血管內(nèi)皮細(xì)胞暴露于該酸會(huì)導(dǎo)致血管生成網(wǎng)絡(luò)變?nèi)�。最后，團(tuán)隊(duì)分析了人類慢性創(chuàng)傷性腦病患者死后的上額皮質(zhì)組織，發(fā)現(xiàn)了脂肪酸平衡紊亂與血管穩(wěn)定性降低的趨同特征。研究發(fā)表在 Cell Reports 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #精準(zhǔn)營養(yǎng) #魚油補(bǔ)充劑 #創(chuàng)傷性腦損傷

閱讀更多：

Karakaya, Eda, et al. “Eicosapentaenoic Acid Reprograms Cerebrovascular Metabolism and Impairs Repair after Brain Injury, with Relevance to Chronic Traumatic Encephalopathy.” Cell Reports, vol. 0, no. 0, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.celrep.2026.117135

大腦如何喊停進(jìn)食？星形膠質(zhì)細(xì)胞充當(dāng)飽腹感通訊員

大腦如何感知飽腹并停止進(jìn)食？傳統(tǒng)觀點(diǎn)認(rèn)為這主要由神經(jīng)元直接控制。然而，María de los ángeles García-Robles和Ricardo Araneda團(tuán)隊(duì)（康塞普西翁大學(xué)與馬里蘭大學(xué)）合作研究發(fā)現(xiàn)，通常被視為支持細(xì)胞的星形膠質(zhì)細(xì)胞在此過程中扮演了核心的中介角色，揭示了調(diào)節(jié)食欲的大腦通訊鏈中缺失的一環(huán)。

? 圖示展示了血糖升高如何觸發(fā)大腦中雙重飽腹信號(hào)。室管膜細(xì)胞檢測到葡萄糖并釋放乳酸，乳酸既激活大腦中的“停止進(jìn)食”神經(jīng)元（通過星形膠質(zhì)細(xì)胞），又抑制“繼續(xù)進(jìn)食”神經(jīng)元——從而從兩個(gè)方向同時(shí)抑制饑餓感。Credit: Ricardo Araneda, University of Maryland.

該研究團(tuán)隊(duì)通過對(duì)下丘腦的實(shí)驗(yàn)，發(fā)現(xiàn)了一條由室管膜細(xì)胞、星形膠質(zhì)細(xì)胞和神經(jīng)元共同組成的復(fù)雜通訊網(wǎng)絡(luò)。實(shí)驗(yàn)中，研究人員將葡萄糖直接輸送到單個(gè)室管膜細(xì)胞內(nèi)，發(fā)現(xiàn)它會(huì)處理糖分并釋放副產(chǎn)物乳酸。隨后，乳酸被鄰近星形膠質(zhì)細(xì)胞上的一種特殊受體HCAR1檢測到。當(dāng)乳酸與受體結(jié)合時(shí)，星形膠質(zhì)細(xì)胞被激活并釋放谷氨酸。這些谷氨酸信號(hào)最終到達(dá)并激活大腦中抑制食欲的促阿黑皮素原神經(jīng)元，從而有效抑制饑餓。

研究人員還通過基因沉默技術(shù)阻斷了HCAR1受體，證實(shí)了星形膠質(zhì)細(xì)胞在傳遞飽腹信號(hào)中具有不可替代的作用。這一發(fā)現(xiàn)打破了以往認(rèn)為乳酸直接與神經(jīng)元通訊的假說，證明了代謝信號(hào)必須經(jīng)過膠質(zhì)細(xì)胞的接力翻譯。這項(xiàng)研究不僅重塑了科學(xué)界對(duì)大腦能量平衡調(diào)節(jié)機(jī)制的認(rèn)知，還為未來靶向HCAR1受體治療肥胖及飲食失調(diào)等疾病提供了全新方向。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 #星形膠質(zhì)細(xì)胞 #食欲調(diào)節(jié)

閱讀更多：

López, Sergio, et al. “Tanycyte-Derived Lactate Activates Astrocytic HCAR1 to Modulate Glutamatergic Signaling and POMC Neuron Excitability.” Proceedings of the National Academy of Sciences, vol. 123, no. 15, Apr. 2026, p. e2537810123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2537810123

Cnpy1蛋白對(duì)信息素感知神經(jīng)元的功能與存活至關(guān)重要

犁鼻器中的神經(jīng)元在異常高的內(nèi)質(zhì)網(wǎng)應(yīng)激環(huán)境下如何維持受體功能和自身存活一直是個(gè)未解之謎。塔塔基礎(chǔ)研究所的G. V. S. Devakinandan和Adish Dani團(tuán)隊(duì)首次證實(shí)，長期被認(rèn)為在哺乳動(dòng)物中無功能的Cnpy1蛋白，實(shí)際上是小鼠信息素感知神經(jīng)元存活和功能維持的關(guān)鍵內(nèi)質(zhì)網(wǎng)相關(guān)因子，缺失該蛋白會(huì)導(dǎo)致神經(jīng)元加速凋亡和行為缺陷。

? 小鼠犁鼻器切片圖，圖中綠色部分為特定神經(jīng)元亞群，品紅色部分為擴(kuò)張的內(nèi)質(zhì)網(wǎng)。Credit: Adish Dani Lab, TIFR-Hyderabad

研究團(tuán)隊(duì)首先利用免疫沉淀結(jié)合質(zhì)譜分析，發(fā)現(xiàn)小鼠體內(nèi)存在完整的功能性Cnpy1蛋白。該蛋白選擇性定位于犁鼻器神經(jīng)元的內(nèi)質(zhì)網(wǎng)（endoplasmic reticulum，細(xì)胞內(nèi)負(fù)責(zé)蛋白質(zhì)折疊和質(zhì)量控制的細(xì)胞器）中，并與特定的G蛋白偶聯(lián)受體及多種分子伴侶緊密結(jié)合。隨后，研究人員構(gòu)建了缺乏該基因的小鼠模型。行為學(xué)實(shí)驗(yàn)表明，缺失該蛋白的小鼠在面對(duì)捕食者或異性刺激時(shí)，其犁鼻器神經(jīng)元激活受阻，雄性領(lǐng)地攻擊行為大幅減少。微觀細(xì)胞分析顯示，這些缺乏Cnpy1的神經(jīng)元在出生前發(fā)育正常，但在出生后會(huì)發(fā)生選擇性的漸進(jìn)式細(xì)胞凋亡。令人驚訝的是，即使缺失該蛋白，感覺受體仍能順利到達(dá)細(xì)胞表面，這說明Cnpy1并非受體運(yùn)輸所必需，而是充當(dāng)了嚴(yán)苛細(xì)胞環(huán)境中維持受體功能成熟與結(jié)構(gòu)穩(wěn)定的核心護(hù)航者。研究發(fā)表在 PNAS 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #犁鼻器 #信息素 #Cnpy1蛋白

閱讀更多：

Devakinandan, G. V. S., et al. “Cnpy1 Is a Candidate Endoplasmic Reticulum Chaperone of Vomeronasal Type 2 GPCRs.” Proceedings of the National Academy of Sciences, vol. 123, no. 13, Mar. 2026, p. e2528466123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2528466123

SPARO技術(shù)實(shí)現(xiàn)活體腦細(xì)胞分子圖譜精準(zhǔn)繪制

在研究阿爾茨海默病等疾病時(shí)，現(xiàn)有的分離提取腦細(xì)胞技術(shù)往往會(huì)破壞細(xì)胞及其蛋白質(zhì)，導(dǎo)致無法準(zhǔn)確獲取細(xì)胞自然狀態(tài)下的分子特征。Srikant Rangaraju團(tuán)隊(duì)（耶魯大學(xué)醫(yī)學(xué)院）和Steven A. Sloan團(tuán)隊(duì)（埃默里大學(xué)醫(yī)學(xué)院）合作開發(fā)了一項(xiàng)新技術(shù)，成功在活體動(dòng)物組織中非破壞性地同時(shí)捕獲了特定腦細(xì)胞的蛋白質(zhì)和RNA圖譜。

? 實(shí)驗(yàn)概述：比較 TurboID 富集的星形膠質(zhì)細(xì)胞轉(zhuǎn)錄組與 RiboTag 富集的星形膠質(zhì)細(xì)胞轉(zhuǎn)錄組。Credit: Nature Communications (2026).

研究團(tuán)隊(duì)開發(fā)了一種被稱為同步蛋白質(zhì)和RNA組學(xué)（SPARO，Simultaneous Protein and RNA-Omics，一種利用特定酶進(jìn)行化學(xué)標(biāo)記以同時(shí)獲取蛋白質(zhì)組和轉(zhuǎn)錄組的技術(shù)）的新方法。該方法的核心是利用TurboID（一種能夠?qū)Φ鞍踪|(zhì)進(jìn)行化學(xué)標(biāo)記的生物酶），它不僅能為蛋白質(zhì)添加化學(xué)標(biāo)簽，還能捕獲與這些蛋白質(zhì)相互作用的RNA。研究人員首先在體外測試了細(xì)胞系，證實(shí)該方法生成的圖譜與現(xiàn)有數(shù)據(jù)完全吻合，并能準(zhǔn)確捕捉由脂多糖引起的神經(jīng)炎癥激活效應(yīng)。隨后，團(tuán)隊(duì)通過基因改造小鼠使其在神經(jīng)元或星形膠質(zhì)細(xì)胞中表達(dá)TurboID。實(shí)驗(yàn)表明，SPARO技術(shù)能夠有效地在活體大腦自然環(huán)境中同步捕獲這兩種細(xì)胞的蛋白質(zhì)組和轉(zhuǎn)錄組。由于避免了傳統(tǒng)細(xì)胞分離過程造成的組織損傷，這種標(biāo)記方法為細(xì)胞間的復(fù)雜通訊提供了更為準(zhǔn)確的分子快照。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 #多組學(xué)分析 #阿爾茨海默病 #SPARO技術(shù)

閱讀更多：

Ramelow, Christina C., et al. “Simultaneous Profiling of Native-State Proteomes and Transcriptomes of Neural Cell Types Using Proximity Labeling.” Nature Communications, Mar. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-71098-4

觀摩資深治療師如何塑造新手溝通力

如何有效提升心理學(xué)學(xué)生在精神健康治療中的人際交往技能？挪威科技大學(xué)的Steffen André Fagerbakk等人研究發(fā)現(xiàn)，通過師徒制讓學(xué)生觀摩資深治療師的工作，可顯著改善他們與患者溝通及建立聯(lián)系的能力。

成為臨床心理學(xué)家需要長期的學(xué)習(xí)，學(xué)生在第一年就開始接觸患者互動(dòng)練習(xí)。該研究招募了108名心理學(xué)一年級(jí)新生，將其隨機(jī)分為兩組。一組僅接受以理論基礎(chǔ)為主的常規(guī)課程；另一組則在此基礎(chǔ)上增加了工作見習(xí)（job shadowing，指跟隨經(jīng)驗(yàn)豐富的從業(yè)者觀察其日常工作的培訓(xùn)方式），在10周的時(shí)間里每周旁聽不同治療師的臨床心理治療環(huán)節(jié)。

研究結(jié)果顯示，參與見習(xí)的學(xué)生在治療后的人際交往能力取得了明顯進(jìn)步。特別是在與患者建立治療聯(lián)盟）以及修復(fù)存在破裂風(fēng)險(xiǎn)的聯(lián)系方面，見習(xí)組的表現(xiàn)顯著優(yōu)于對(duì)照組。雖然對(duì)照組的技能也有所提升，且兩組之間的整體進(jìn)步差異較為細(xì)微，但研究認(rèn)為這種向經(jīng)驗(yàn)豐富的治療師學(xué)習(xí)的學(xué)徒式模式，是對(duì)傳統(tǒng)第一學(xué)年基礎(chǔ)理論培訓(xùn)的重要且有價(jià)值的補(bǔ)充，值得在未來的心理學(xué)教育中進(jìn)一步推廣與研究。研究發(fā)表在 Psychotherapy Research 上。

#疾病與健康 #心理健康與精神疾病 #臨床心理學(xué) #人際交往技能 #醫(yī)學(xué)教育

閱讀更多：

Fagerbakk, Steffen André, et al. “Developing Facilitative Interpersonal Skills: A Randomized Controlled Study of an Apprenticeship Training for First-Year Clinical Psychology Students.” Psychotherapy Research, Jan. 2026, pp. 1–14. DOI.org (Crossref), https://doi.org/10.1080/10503307.2026.2615393

眼睛聚焦依賴顏色信號(hào)而非僅憑清晰度

由于可見光包含多種波長且折射率各異，人眼在面對(duì)多彩場景時(shí)是如何選擇焦點(diǎn)以避免畫面模糊的？Benjamin M. Chin、Martin S. Banks、Derek Nankivil、Austin Roorda 與 Emily A. Cooper 組成的研究團(tuán)隊(duì)展開了探索。研究發(fā)現(xiàn)，人眼并非僅憑畫面清晰度和亮度來調(diào)節(jié)焦距，而是通過優(yōu)化特定顏色神經(jīng)通路的信號(hào)質(zhì)量來進(jìn)行聚焦選擇。

? 調(diào)節(jié)和視網(wǎng)膜圖像聚焦。Credit: Science Advances (2026).

研究團(tuán)隊(duì)招募了八名視力正常的參與者，利用配備紅外激光傳感器的定制光學(xué)設(shè)備，精準(zhǔn)追蹤他們的眼睛對(duì)不同顏色和距離的反應(yīng)。由于縱向色差（longitudinal chromatic aberration，不同波長的光穿過眼睛時(shí)折射程度不同導(dǎo)致的多色模糊）會(huì)使每位參與者的眼球產(chǎn)生獨(dú)特的折射情況，研究人員為每個(gè)人繪制了個(gè)性化的眼球圖譜，并結(jié)合激光數(shù)據(jù)構(gòu)建了基于生物學(xué)原理的模型來模擬實(shí)驗(yàn)結(jié)果。長期以來的主流理論認(rèn)為，視覺系統(tǒng)的調(diào)節(jié)主要機(jī)制是最大化圖像的亮度對(duì)比度。然而實(shí)驗(yàn)數(shù)據(jù)反駁了這一觀點(diǎn)。結(jié)果表明，眼睛選擇聚焦顏色的真正動(dòng)機(jī)，是為了使大腦的顏色拮抗通道能夠最高效地運(yùn)作。此外，人眼通常會(huì)避開藍(lán)光等極端波長，選擇綠黃色等中間波長作為折中，這既能保證圖像主體清晰，又能讓大腦接收到更強(qiáng)烈的信號(hào)。這一新機(jī)制有望指導(dǎo)未來的視覺顯示與照明設(shè)備設(shè)計(jì)，從而幫助減緩近視的發(fā)展。研究發(fā)表在 Science Advances 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #認(rèn)知科學(xué) #近視防控 #視覺機(jī)制

閱讀更多：

Chin, Benjamin M., et al. “Focusing on Color: How the Eye Chooses Which Wavelength to See Best.” Science Advances, vol. 12, no. 14, Apr. 2026, p. eaea5693. science.org (Atypon), https://doi.org/10.1126/sciadv.aea5693

AI 行業(yè)動(dòng)態(tài)

Anthropic“囚禁”最強(qiáng)模型Claude Mythos，因其攻擊力遠(yuǎn)超黑客

Anthropic近日公布了其迄今為止最強(qiáng)大的模型——Claude Mythos的預(yù)覽版。在多項(xiàng)基準(zhǔn)測試中，該模型對(duì)前代Opus 4.6形成了“碾壓”之勢：在代碼修復(fù)能力（SWE-bench Pro）上提升24%，在代理操作能力（Terminal-Bench 2.0）上提升17%。然而，其定價(jià)也高達(dá)Opus 4.6的五倍。但更令人震驚的是，Anthropic并未因這些突破性成績而興奮，反而在官方博客中流露出深深的擔(dān)憂與恐慌，因?yàn)檫@款“神話”模型存在一個(gè)致命缺陷——它發(fā)現(xiàn)了數(shù)千個(gè)高危安全漏洞，其自主尋找和利用漏洞的能力已遠(yuǎn)超絕大多數(shù)黑客。

面對(duì)這一體兩面的安全危機(jī)，Anthropic做出了一個(gè)極不尋常的決定：暫時(shí)不向公眾開放Mythos，而是將其作為“玻璃翼計(jì)劃”（Project Glasswing）的一部分，與Amazon、Apple、Google、Microsoft、NVIDIA等科技巨頭及開源社區(qū)合作，提前利用Mythos預(yù)覽版的能力來加固自身的防御系統(tǒng)。Anthropic還承諾提供最高1億美元的使用額度支持安全加固工作，并向開源安全組織直接捐贈(zèng)400萬美元。該公司表示，防御全球網(wǎng)絡(luò)基礎(chǔ)設(shè)施可能需耗時(shí)數(shù)年，但AI能力的躍遷近在眼前，必須立即行動(dòng)。這一前所未有的“囚禁”舉措，標(biāo)志著AI安全已從理論警示變?yōu)槠仍诿冀薜默F(xiàn)實(shí)威脅。

#ClaudeMythos #AI安全 #模型囚禁 #網(wǎng)絡(luò)安全 #玻璃翼計(jì)劃

閱讀更多：

https://www.anthropic.com/glasswing

首款居家神經(jīng)調(diào)控設(shè)備Proliv?Rx獲FDA批準(zhǔn)，開啟腦調(diào)控“家庭化”時(shí)代

神經(jīng)科技公司Neurolief近日宣布，其研發(fā)的居家腦神經(jīng)調(diào)控設(shè)備Proliv?Rx在獲得美國食品藥品監(jiān)督管理局（FDA）的上市前批準(zhǔn)后，又獲得來自行業(yè)巨頭BrainsWay的600萬美元戰(zhàn)略投資。該設(shè)備專為對(duì)至少一種抗抑郁藥物反應(yīng)不足的成年抑郁癥患者設(shè)計(jì)，是“首個(gè)且唯一”獲得FDA批準(zhǔn)的處方級(jí)居家腦神經(jīng)調(diào)控系統(tǒng)。它采用“醫(yī)生處方、遠(yuǎn)程監(jiān)督、患者居家自行管理”的全新模式，旨在解決傳統(tǒng)經(jīng)顱磁刺激嚴(yán)重依賴醫(yī)療中心、患者需頻繁往返的痛點(diǎn)。這一進(jìn)展標(biāo)志著非侵入式神經(jīng)調(diào)控技術(shù)從院內(nèi)專業(yè)場景向居家常態(tài)化應(yīng)用的重大模式轉(zhuǎn)變，有望大幅提升先進(jìn)療法的可及性。

從行業(yè)視角看，此次獲批與融資具有多重深層意義。首先，Proliv?Rx通過的是FDA最嚴(yán)格的上市前批準(zhǔn)，使其與市面上的消費(fèi)級(jí)腦電設(shè)備劃清界限。其次，投資方BrainsWay是全球深層經(jīng)顱磁刺激（Deep TMS?）的領(lǐng)軍者，其注資行為相當(dāng)于院內(nèi)治療巨頭對(duì)居家模式的有力背書，預(yù)示著神經(jīng)調(diào)控領(lǐng)域不可逆轉(zhuǎn)的“家庭化”趨勢。此外，雖然該設(shè)備目前采用開放環(huán)路刺激方案，但其成功為未來更復(fù)雜的居家腦機(jī)接口應(yīng)用——如閉環(huán)情感調(diào)節(jié)或認(rèn)知增強(qiáng)——積累了寶貴的實(shí)踐經(jīng)驗(yàn)。接下來，Neurolief需要通過真實(shí)世界研究證明其療法相比傳統(tǒng)院內(nèi)治療更具成本效益，從而獲得保險(xiǎn)支付方的認(rèn)可，并有望將技術(shù)平臺(tái)拓展至焦慮癥、偏頭痛等其他神經(jīng)精神疾病領(lǐng)域。

#居家神經(jīng)調(diào)控 #抑郁癥治療 #FDA批準(zhǔn) #Neurolief #腦機(jī)接口趨勢

閱讀更多：

https://www.prnewswire.co.uk/news-releases/neurolief-secures-additional-6-million-investment-following-fda-approval-of-prolivrx-expanding-access-to-brain-neuromodulation-therapy-for-patients-with-inadequate-response-to-antidepressants-302728179.html

AI 驅(qū)動(dòng)科學(xué)

識(shí)別語音特征誰更快？架構(gòu)差異決定AI深層處理策略

Transformer與Conformer在語音識(shí)別上表現(xiàn)相當(dāng)，其底層處理策略是否一致尚無定論。斯坦福大學(xué)的Nathan Roll和Pranav Bhalerao等研究人員提出了一種新型探測框架，揭示出這兩大主流架構(gòu)在表征信息時(shí)截然不同的內(nèi)部處理機(jī)制。

研究團(tuán)隊(duì)提出了架構(gòu)指紋（Architectural Fingerprinting，一種通過線性探測評(píng)估各網(wǎng)絡(luò)層級(jí)特征獲取難度的分析框架），對(duì)24個(gè)預(yù)訓(xùn)練語音編碼器展開受控分析。研究利用7個(gè)不同語料庫的5萬余條語音提取模型的隱藏狀態(tài)，并針對(duì)聲學(xué)與人口統(tǒng)計(jì)學(xué)等特征目標(biāo)訓(xùn)練探測器。結(jié)果顯示，Conformer架構(gòu)傾向采用早期分類策略，其解析音素類別的深度比Transformer早29%，解析說話人性別的深度早16%。而Transformer架構(gòu)則表現(xiàn)出晚期整合（Integrate Late，將關(guān)鍵信息推遲至深層網(wǎng)絡(luò)進(jìn)行集中編碼的策略）傾向，在49%至57%的深網(wǎng)絡(luò)層才對(duì)音素、口音及發(fā)音時(shí)長進(jìn)行編碼。此外，僅基于峰值位置預(yù)測模型架構(gòu)的分類器表現(xiàn)優(yōu)異，其曲線下面積高達(dá)0.88。研究證明，Conformer的前置處理更利于低延遲流媒體場景，而Transformer則更適合需要深層上下文交互的任務(wù)。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #自動(dòng)語音識(shí)別 #模型評(píng)估 #架構(gòu)特征

閱讀更多：

Roll, Nathan, et al. “Categorize Early, Integrate Late: Divergent Processing Strategies in Automatic Speech Recognition.” arXiv:2601.06972, arXiv, 11 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.06972

可穿戴機(jī)器人通過觸覺反饋提升小提琴二重奏協(xié)作

在需要高度同步的協(xié)作任務(wù)中，人們通常依賴視覺和聽覺線索來協(xié)調(diào)動(dòng)作，但這往往需要消耗大量意識(shí)注意力。為了探索更直接的交互方式，Aleksandra Micha?ko、Francesco Di Tommaso和Domenico Formica等（羅馬生物醫(yī)學(xué)大學(xué)、比薩圣安娜高等學(xué)院等）開發(fā)了一種可穿戴機(jī)器人系統(tǒng)。研究發(fā)現(xiàn)，該系統(tǒng)提供的觸覺溝通能夠顯著提升兩位小提琴演奏者之間的協(xié)作表現(xiàn)。

研究團(tuán)隊(duì)開發(fā)了兩套雙自由度上肢外骨骼，它們能夠精準(zhǔn)追蹤音樂家的自然運(yùn)動(dòng)，并根據(jù)兩位演奏者動(dòng)作之間的角度偏差，向?qū)Ψ绞┘酉鄳?yīng)比例的力。這種機(jī)制建立了一種觸覺反饋，讓演奏者在不直接接觸的情況下感知對(duì)方的動(dòng)作。團(tuán)隊(duì)招募了20對(duì)小提琴手（包含10對(duì)專業(yè)選手和10對(duì)業(yè)余選手），讓他們?cè)趦H聽覺、聽覺加視覺、聽覺加觸覺以及三者結(jié)合這四種不同反饋條件下完成二重奏。結(jié)果顯示，雖然音樂家對(duì)這種基于力的反饋極為陌生，但在聽覺加觸覺的條件下，他們的時(shí)空協(xié)調(diào)性和動(dòng)態(tài)音樂一致性均優(yōu)于傳統(tǒng)的聽覺加視覺條件。此外，結(jié)合所有感官模式的演奏條件產(chǎn)生了最高水平的協(xié)作效果。這表明，外骨骼開辟了一條隱性且具身化的交流途徑，它不僅不需要刻意的意識(shí)參與，也不會(huì)干擾高技能任務(wù)的自然發(fā)揮。研究發(fā)表在 Science Robotics 上。

#認(rèn)知科學(xué) #機(jī)器人及其進(jìn)展 #外骨骼 #觸覺反饋 #多感官整合

閱讀更多：

Micha?ko, Aleksandra, et al. “Robot-Mediated Haptic Feedback Outperforms Vision in Violin Duo Coordination.” Science Robotics, vol. 11, no. 112, Mar. 2026, p. eaeb1901. science.org (Atypon), https://doi.org/10.1126/scirobotics.aeb1901

AI心理治療師來了？別急，先從輔助人類專家開始

隨著對(duì)話式人工智能的興起，其在心理治療領(lǐng)域的應(yīng)用引發(fā)廣泛討論。為厘清AI的角色與風(fēng)險(xiǎn)，來自猶他大學(xué)的Zac Imel、Vivek Srikumar、Brent Kious等人組成的跨學(xué)科團(tuán)隊(duì)，提出了一個(gè)心理治療自動(dòng)化的框架，將AI的應(yīng)用劃分為四個(gè)不同等級(jí)，旨在為該領(lǐng)域的實(shí)證研究和倫理探討提供指導(dǎo)。

研究團(tuán)隊(duì)借鑒了自動(dòng)駕駛汽車的等級(jí)劃分思路，將心理治療領(lǐng)域的自動(dòng)化分為四類。A類是腳本化系統(tǒng)（scripted systems），即由機(jī)器人提供預(yù)設(shè)內(nèi)容；B類是AI評(píng)估治療師，通過分析會(huì)話為臨床醫(yī)生提供反饋；C類是AI輔助治療師，為人類專家提供干預(yù)建議；D類則是風(fēng)險(xiǎn)最高的AI直接提供治療。研究指出，當(dāng)前最迫切且可行的應(yīng)用在于B類和C類，例如利用大型語言模型高效分析治療過程，為治療師提供實(shí)時(shí)反饋和培訓(xùn)，這能極大改善當(dāng)前人工評(píng)估緩慢且昂貴的現(xiàn)狀。而對(duì)于D類應(yīng)用，盡管通用大模型看似能提供共情式對(duì)話，但其存在捏造信息、固化偏見和反應(yīng)不可預(yù)測的巨大風(fēng)險(xiǎn)。因此，研究者強(qiáng)調(diào)，當(dāng)前AI在心理治療中的最佳定位是作為人類專家的協(xié)作伙伴與支持工具，而非替代者。研究發(fā)表在 Current Directions in Psychological Science 上。

#疾病與健康 #心理健康與精神疾病 #大模型技術(shù) #AI倫理

閱讀更多：

Imel, Zac E., et al. “A Framework for Automation in Psychotherapy.” Current Directions in Psychological Science, vol. 35, no. 2, Apr. 2026, pp. 66–76. SAGE Journals, https://doi.org/10.1177/09637214251386047

人工智能驅(qū)動(dòng)的發(fā)現(xiàn)陷入瓶頸：科學(xué)證據(jù)被困于前數(shù)字系統(tǒng)

當(dāng)人工智能以驚人速度推動(dòng)醫(yī)學(xué)創(chuàng)新時(shí)，科學(xué)界卻面臨一個(gè)悖論：我們的發(fā)現(xiàn)被一個(gè)源自17世紀(jì)的出版體系所束縛。馬來西亞博特拉大學(xué)的Boon-How Chew在一篇觀點(diǎn)文章中指出，這種靜態(tài)、緩慢的學(xué)術(shù)交流模式正成為數(shù)據(jù)驅(qū)動(dòng)醫(yī)學(xué)發(fā)展的直接威脅，呼吁建立一個(gè)動(dòng)態(tài)、透明的“科學(xué)新操作系統(tǒng)”。

文章深入剖析了當(dāng)前學(xué)術(shù)出版體系的三大危機(jī)。首先是速度與成本的矛盾，一篇論文從預(yù)印本到正式發(fā)表常需一年以上，而高昂的訂閱費(fèi)和版面費(fèi)給科研機(jī)構(gòu)和學(xué)者帶來沉重負(fù)擔(dān)。其次是嚴(yán)峻的可重復(fù)性危機(jī)，高達(dá)50%-90%的研究結(jié)果無法被復(fù)現(xiàn)，動(dòng)搖了科學(xué)的根基。最后，以敘述為核心的靜態(tài)論文格式，將結(jié)論與原始數(shù)據(jù)和分析方法脫鉤，使得對(duì)復(fù)雜AI模型的驗(yàn)證變得極為困難。雖然涌現(xiàn)出大量AI寫作助手，但它們只是在舊框架內(nèi)進(jìn)行修補(bǔ)，并未解決數(shù)據(jù)不透明、驗(yàn)證流程緩慢的核心問題。作者強(qiáng)調(diào)，臨床AI模型的黑箱不能建立在不可重復(fù)研究的黑箱之上。未來的科學(xué)出版物必須是動(dòng)態(tài)、可交互的研究對(duì)象，將數(shù)據(jù)、代碼、分析日志和同行評(píng)審永久關(guān)聯(lián)，從設(shè)計(jì)上保證科學(xué)的嚴(yán)謹(jǐn)與透明。研究發(fā)表在 Journal of Medical Internet Research 上。

#AI驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #學(xué)術(shù)出版 #可重復(fù)性危機(jī) #開放科學(xué)

閱讀更多：

Chew, Boon-How. “Our AI-Powered Discoveries Are Trapped in a Predigital System.” Journal of Medical Internet Research, vol. 28, no. 1, Mar. 2026, p. e96018. www.jmir.org, https://doi.org/10.2196/96018

達(dá)摩院新模型精準(zhǔn)預(yù)測細(xì)胞對(duì)藥物的反應(yīng)

如何構(gòu)建一個(gè)能精準(zhǔn)預(yù)測細(xì)胞對(duì)藥物或基因改變反應(yīng)的“虛擬細(xì)胞”？阿里達(dá)摩院的Han Zhang, Deli Zhao, Yu Rong等研究人員發(fā)布了生成式細(xì)胞世界模型——靈樞細(xì)胞（Lingshu-Cell），該模型能以前所未有的精度模擬細(xì)胞狀態(tài)并預(yù)測其對(duì)擾動(dòng)的反應(yīng)，為藥物研發(fā)和個(gè)性化醫(yī)療開辟了新路徑。

傳統(tǒng)單細(xì)胞研究方法如同“拍照存檔”，缺乏動(dòng)態(tài)預(yù)測能力。為解決此問題，靈樞細(xì)胞采用了創(chuàng)新的掩碼離散擴(kuò)散模型。該方法將細(xì)胞內(nèi)約1.8萬個(gè)基因的表達(dá)水平轉(zhuǎn)換為離散詞元，然后隨機(jī)遮蓋部分基因，訓(xùn)練模型根據(jù)上下文“填空”，從而學(xué)習(xí)基因間復(fù)雜的調(diào)控網(wǎng)絡(luò)。這一設(shè)計(jì)完美契合了單細(xì)胞數(shù)據(jù)稀疏、無序的特性，實(shí)現(xiàn)了對(duì)全轉(zhuǎn)錄組的直接建模。在測試中，靈樞細(xì)胞不僅能生成與真實(shí)細(xì)胞高度一致的虛擬細(xì)胞，其預(yù)測能力也表現(xiàn)卓越。在國際性的“虛擬細(xì)胞挑戰(zhàn)賽”中，它在基因擾動(dòng)預(yù)測任務(wù)上排名第一。此外，它還能精準(zhǔn)預(yù)測不同個(gè)體免疫細(xì)胞對(duì)90種細(xì)胞因子（cytokine，一類調(diào)節(jié)免疫反應(yīng)的蛋白質(zhì)）刺激的應(yīng)答，展示了其在個(gè)性化醫(yī)療領(lǐng)域的巨大潛力。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測模型構(gòu)建 #個(gè)性化醫(yī)療 #虛擬細(xì)胞

閱讀更多：

Zhang, Han, et al. “Lingshu-Cell: A Generative Cellular World Model for Transcriptome Modeling toward Virtual Cells.” arXiv:2603.25240, arXiv, 26 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2603.25240

ERAST：基于AI大模型的毫秒級(jí)生物序列搜索工具

面對(duì)日益龐大的生物序列數(shù)據(jù)庫，傳統(tǒng)的同源搜索（Homology Search）方法已力不從心。為解決這一瓶頸，騰訊生命科學(xué)實(shí)驗(yàn)室的Yao Jianhua、He Bing與浙江大學(xué)的Chen Huajun、Zhang Qiang等研究人員合作，開發(fā)了一款名為ERAST的AI工具，它融合了大語言模型與向量數(shù)據(jù)庫技術(shù)，可在十億級(jí)數(shù)據(jù)規(guī)模下實(shí)現(xiàn)毫秒級(jí)精準(zhǔn)檢索。

該研究的核心是將生物序列的“文字”信息轉(zhuǎn)化為“數(shù)學(xué)”坐標(biāo)。研究團(tuán)隊(duì)利用蛋白質(zhì)大語言模型，如ESM-2，將超過10億條生物序列編碼為高維向量，并存入一個(gè)特制的向量數(shù)據(jù)庫中。ERAST的搜索過程分為三步：首先通過序列長度等元數(shù)據(jù)進(jìn)行預(yù)檢索過濾；然后，將查詢序列轉(zhuǎn)化為向量，在數(shù)據(jù)庫中快速計(jì)算相似度，毫秒內(nèi)找出候選序列；最后，通過一個(gè)專門的評(píng)分模型進(jìn)行重排序，精準(zhǔn)識(shí)別進(jìn)化關(guān)系遙遠(yuǎn)的“遠(yuǎn)親”。性能測試表明，ERAST的搜索速度比高精度工具TM-align快約5萬倍，且準(zhǔn)確率超越了所有主流深度學(xué)習(xí)方法。更重要的是，該工具還能對(duì)海量“功能未知”的蛋白質(zhì)（即蛋白質(zhì)暗物質(zhì)）進(jìn)行全局聚類，研究發(fā)現(xiàn)94%的未知蛋白簇能與已知功能的蛋白簇建立聯(lián)系，為揭示其功能提供了前所未有的全局視角。研究發(fā)表在 Nature Biotechnology 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測模型構(gòu)建 #大語言模型 #生物信息學(xué) #同源搜索

閱讀更多：

Jiang, Yinuo, et al. “Scalable Homology Detection with ERAST.” Nature Biotechnology, Apr. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41587-026-03051-1

S-Researcher：一個(gè)用于社會(huì)科學(xué)自動(dòng)化的人機(jī)協(xié)作AI平臺(tái)

傳統(tǒng)的社會(huì)科學(xué)研究因成本高、周期長而面臨瓶頸，中國人民大學(xué)高瓴人工智能學(xué)院的Lei Wang等人針對(duì)此問題，開發(fā)了名為S-Researcher的智能體平臺(tái)。該平臺(tái)通過讓大語言模型智能體同時(shí)扮演研究者和“硅基被試”的角色，構(gòu)建了一個(gè)從實(shí)驗(yàn)設(shè)計(jì)、模擬執(zhí)行到報(bào)告生成的自動(dòng)化、人機(jī)協(xié)作研究工作流。

S-Researcher的核心是其底層的大規(guī)模社會(huì)模擬引擎YuLan-OneSim，該引擎具備三大特點(diǎn)：通用性，可將研究者的自然語言描述自動(dòng)轉(zhuǎn)化為可執(zhí)行的模擬代碼；可擴(kuò)展性，其分布式架構(gòu)能支持多達(dá)10萬個(gè)智能體同時(shí)在線交互；可靠性，通過反饋微調(diào)機(jī)制確報(bào)智能體行為的科學(xué)可信度。在驗(yàn)證中，平臺(tái)通過三種模式展現(xiàn)了其強(qiáng)大能力：在歸納研究中，它自主復(fù)現(xiàn)了經(jīng)典的文化傳播理論；在演繹研究中，通過模擬5525名學(xué)生，驗(yàn)證了課堂表達(dá)對(duì)教師注意力的決定性影響，并與真實(shí)調(diào)查數(shù)據(jù)相符；在最具挑戰(zhàn)的溯因研究中，平臺(tái)在公共品博弈中發(fā)現(xiàn)了一個(gè)新的合作機(jī)制，該發(fā)現(xiàn)隨后被一項(xiàng)120名真人參與的平行實(shí)驗(yàn)所證實(shí)，人與智能體的行為數(shù)據(jù)相關(guān)性高達(dá)0.915。

#AI驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #社會(huì)科學(xué) #智能體 #計(jì)算社會(huì)科學(xué)

閱讀更多：

Wang, Lei, et al. “LLM Agents as Social Scientists: A Human-AI Collaborative Platform for Social Science Automation.” arXiv:2604.01520, arXiv, 2 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.01520

BraiNCA模型通過長程連接和拓?fù)鋬?yōu)化提升AI自組織能力

傳統(tǒng)人工智能模型通常依賴于密集的局部連接，這與生物大腦中高效的長程信息傳遞機(jī)制形成鮮明對(duì)比。來自塔夫茨大學(xué)和哈佛大學(xué)的研究人員 Léo Pio-Lopez, Benedikt Hartl, 和 Michael Levin 開發(fā)了一款名為BraiNCA的腦啟發(fā)模型。該模型通過引入注意力機(jī)制、長程連接和優(yōu)化的拓?fù)浣Y(jié)構(gòu)，成功在形態(tài)發(fā)生和運(yùn)動(dòng)控制任務(wù)中展現(xiàn)出比傳統(tǒng)模型更快的學(xué)習(xí)速度和更高的魯棒性。

研究團(tuán)隊(duì)提出的BraiNCA是對(duì)神經(jīng)網(wǎng)絡(luò)細(xì)胞自動(dòng)機(jī)的重大升級(jí)。它集成了兩個(gè)核心的類腦特性：一個(gè)注意力層，使每個(gè)“細(xì)胞”能夠根據(jù)上下文動(dòng)態(tài)篩選重要信息；以及顯式的長程連接，允許信息在網(wǎng)絡(luò)中“抄近路”，實(shí)現(xiàn)全局協(xié)調(diào)。在模擬生物發(fā)育的形態(tài)發(fā)生任務(wù)中，細(xì)胞群需要自組織成一個(gè)笑臉圖案，具備長程連接的BraiNCA學(xué)習(xí)速度最高可達(dá)標(biāo)準(zhǔn)模型的2.19倍。在更復(fù)雜的月球登陸器控制任務(wù)中，團(tuán)隊(duì)設(shè)計(jì)了一種T形拓?fù)浣Y(jié)構(gòu)，以模仿大腦皮層中功能區(qū)與身體部位對(duì)應(yīng)的空間組織形式（somatotopic organization）。這種設(shè)計(jì)顯著提升了模型的成功率和學(xué)習(xí)速度。然而，研究也發(fā)現(xiàn)，并非所有長程連接都有益，不合理的連接設(shè)計(jì)反而會(huì)降低性能，這凸顯了網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)優(yōu)化的重要性。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #自組織 #神經(jīng)網(wǎng)絡(luò)細(xì)胞自動(dòng)機(jī) #腦啟發(fā)計(jì)算

閱讀更多：

Pio-Lopez, Léo, et al. “BraiNCA: Brain-Inspired Neural Cellular Automata and Applications to Morphogenesis and Motor Control.” arXiv:2604.01932, arXiv, 2 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.01932

大語言模型有“數(shù)感”嗎？新基準(zhǔn)SenseMath揭示其推理捷徑的局限性

大型語言模型是否真正理解數(shù)學(xué)，還是僅僅在模仿計(jì)算步驟？圣母大學(xué)的Haomin Zhuang、Xiangliang Zhang等人開發(fā)了一個(gè)名為SenseMath的新基準(zhǔn)，系統(tǒng)評(píng)估了LLM類似人類的“數(shù)感”，即識(shí)別數(shù)字結(jié)構(gòu)并靈活運(yùn)用計(jì)算捷徑的能力。研究發(fā)現(xiàn)，當(dāng)前LLM雖能執(zhí)行計(jì)算捷徑，但嚴(yán)重缺乏何時(shí)以及為何使用這些捷徑的深層理解。

研究團(tuán)隊(duì)構(gòu)建的SenseMath基準(zhǔn)包含4800個(gè)數(shù)學(xué)問題，每個(gè)問題都精心設(shè)計(jì)了三種變體：一種明顯適用捷徑，一種部分適用，另一種則完全不適用。通過對(duì)五種主流LLM進(jìn)行測試，研究人員評(píng)估了它們?cè)谌齻�(gè)認(rèn)知層次上的表現(xiàn)：應(yīng)用、判斷和創(chuàng)造。結(jié)果顯示，在標(biāo)準(zhǔn)的思維鏈提示下，LLM自發(fā)使用捷徑的比例不足40%。然而，當(dāng)被明確提示運(yùn)用“數(shù)感”時(shí)，強(qiáng)模型的準(zhǔn)確率在適用問題上能提升高達(dá)15%，這表明捷徑能力是存在的，但需要被激活。更關(guān)鍵的是，模型在判斷捷徑適用性方面表現(xiàn)糟糕，會(huì)系統(tǒng)性地將捷徑錯(cuò)誤地應(yīng)用到不該用的問題上。在最高級(jí)的創(chuàng)造任務(wù)中，模型生成有效捷徑問題的成功率低至2-24%。這揭示了LLM在程序性流暢（知道“如何”做）和結(jié)構(gòu)性理解（知道“為何”做）之間的巨大鴻溝。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #數(shù)學(xué)推理 #基準(zhǔn)測試

閱讀更多：

Zhuang, Haomin, et al. “SenseMath: Do LLMs Have Number Sense? Evaluating Shortcut Use, Judgment, and Generation.” arXiv:2604.01988, arXiv, 2 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.01988

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。