追問daily | Cell：大腦形狀如樂器，共振模式?jīng)Q定神經(jīng)網(wǎng)絡構(gòu)建；為什么抽象藝術(shù)能觸動人心？

█ 腦科學動態(tài)

Cell：大腦形狀如樂器，共振模式?jīng)Q定神經(jīng)網(wǎng)絡構(gòu)建

腦電波越同步關(guān)系越親密，多腦神經(jīng)反饋能人為設(shè)計社交聯(lián)系

皮膚毛細血管內(nèi)皮細胞具有長期保守的鈣信號網(wǎng)絡

成長的視覺環(huán)境能重塑斑馬魚眼睛的物理形狀

出生后前六個月母乳喂養(yǎng)可降低嬰兒睡眠不足的風險

實驗室成功培養(yǎng)視網(wǎng)膜血管細胞

為什么抽象藝術(shù)能觸動人心？自發(fā)性個人記憶是關(guān)鍵

青春期短暫隔離即可對成年小鼠同理心造成持久損害

基底神經(jīng)節(jié)如何通過推拉系統(tǒng)引導目標導向行為

重度抑郁癥特異性大腦皮質(zhì)變薄

█ AI行業(yè)動態(tài)

OpenAI低調(diào)上線GPT-5.6

員工在加速，公司在拖后腿：微軟年度報告揭示AI落地的轉(zhuǎn)型悖論

Meta AI開源無創(chuàng)腦機接口系統(tǒng)，戴頭盔即可實時讀腦

█ AI驅(qū)動科學

撕下醫(yī)療AI高分遮羞布：大模型在死記硬背醫(yī)學考試

單層超薄人造皮膚讓機器人可同時感知溫度與壓力

AI招聘軟件掩蓋崗位種族偏見，單一算法導致求職者遭遇系統(tǒng)性拒絕

高昂開銷換不來高準確率？揭秘智能體內(nèi)存系統(tǒng)的系統(tǒng)級成本

Meta推出Autodata框架：讓AI智能體自主構(gòu)建高質(zhì)量合成數(shù)據(jù)

自對弈強化學習實現(xiàn)類人自動駕駛

谷歌PAT工具實現(xiàn)高精度論文證明糾錯

腦科學動態(tài)

Cell：大腦形狀如樂器，共振模式?jīng)Q定神經(jīng)網(wǎng)絡構(gòu)建

大腦復雜的神經(jīng)連接是如何形成的？Francis Normand、Alex Fornito和James Pang等（莫納什大學特納腦與心理健康研究所）開發(fā)了一種全新的數(shù)學模型，首次證明大腦的物理幾何形狀而非隨機過程在指導其內(nèi)部連接的形成，表明大腦的幾何形狀至少在9000萬年的哺乳動物進化中一直作為指導其內(nèi)部神經(jīng)連接的物理藍圖。

? Credit: Cell (2026).

研究團隊基于神經(jīng)場理論（neural field theory，將大規(guī)模神經(jīng)元動態(tài)視為連續(xù)物理介質(zhì)中活動波傳播的數(shù)學框架），提出了幾何特征模式模型。該模型認為，大腦就像鈴鐺或鼓等樂器，其物理形狀限制了它所能支持的神經(jīng)活動模式。神經(jīng)連接會優(yōu)先在那些處于共振波腹、且振動同相的皮層位置之間形成并得到加強。研究人員通過分析人類、黑猩猩、獼猴、狨猴和小鼠五個物種的擴散磁共振成像及病毒追蹤數(shù)據(jù)集驗證了該模型。結(jié)果表明，僅用一個簡單的數(shù)學公式，就能同時預測不同物種大腦連接的拓撲結(jié)構(gòu)和地形特征。此外，模型顯示大腦會以極其節(jié)能的方式進行自我連接，優(yōu)先支持維持成本較低的低頻共振模式。研究發(fā)表在 Cell 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #皮層連接組 #幾何特征模式 #神經(jīng)場理論

閱讀更多：

Normand, Francis, et al. “Geometric Constraints on the Architecture of Mammalian Cortical Connectomes.” Cell, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.05.048

腦電波越同步關(guān)系越親密，多腦神經(jīng)反饋能人為設(shè)計社交聯(lián)系

人際腦電波同步能否通過技術(shù)手段人為增強以改善社交聯(lián)系？Suzanne Dikker（紐約大學與根特大學）、潘亞峰（浙江大學）、程曉軍（深圳大學）和Guillaume Dumas（蒙特利爾大學）等研究人員對過去十年的多腦神經(jīng)活動研究進行了系統(tǒng)梳理，深入探討了利用多腦神經(jīng)反饋實時調(diào)節(jié)人際神經(jīng)動力學的機制，并提出了首個分層訓練框架，旨在為人工構(gòu)建社交聯(lián)系提供科學路徑。

在這項研究中，研究團隊總結(jié)了涉及數(shù)千名參與者的大規(guī)模實驗。這些實驗利用便攜式腦電圖在學校課堂、藝術(shù)表演等真實社交場景下記錄腦波。基于這些數(shù)據(jù)，團隊提出了一個全新的多腦神經(jīng)反饋框架，并將其細分為關(guān)注感覺運動耦合的信號層、關(guān)注共同注意的功能層以及關(guān)注系統(tǒng)穩(wěn)定性的系統(tǒng)層。研究結(jié)果表明，當學生在課堂上的跨腦同步程度較高時，他們往往對課程及彼此表現(xiàn)出更高的喜愛度。此外，通過提供實時的視覺、聽覺或觸覺反饋，能夠有效調(diào)控人際間的神經(jīng)動力學，進而增強陌生人之間的信任并優(yōu)化學習效果。該技術(shù)在臨床心理治療、團隊協(xié)作訓練等領(lǐng)域具有廣闊的應用前景。研究發(fā)表在 Trends in Cognitive Sciences 上。

#認知科學 #神經(jīng)機制與腦功能解析 #社會同步 #多腦神經(jīng)反饋

閱讀更多：

Pan, Yafeng, et al. “Multi-Brain Neurofeedback: What Are We Training For?” Trends in Cognitive Sciences, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.tics.2026.05.007

皮膚毛細血管內(nèi)皮細胞具有長期保守的鈣信號網(wǎng)絡

血管內(nèi)皮細胞通過鈣脈沖維持血管完整。耶魯大學醫(yī)學院的 Valentina Greco 團隊與加州大學洛杉磯分校的 Julia Mack 團隊合作，發(fā)現(xiàn)活體毛細血管內(nèi)皮細胞存在長期保守的信號傳導網(wǎng)絡。

研究團隊利用基因工程小鼠和雙光子顯微鏡，實時非侵入性地觀察皮膚毛細血管內(nèi)皮細胞中的鈣離子活動。研究發(fā)現(xiàn)，在任何給定時間，約半數(shù)內(nèi)皮細胞處于活躍狀態(tài)，且這種活躍或靜默的狀態(tài)在數(shù)天至數(shù)周內(nèi)保持高度保守。然而，當基因敲除協(xié)調(diào)細胞通訊的連接蛋白 43后，內(nèi)皮細胞的鈣信號并未如預期般減弱，反而異常急劇增強，部分細胞甚至持續(xù)放電長達 17 分鐘，導致血流量增加、血管通透性增強，血管屏障功能受損。令人關(guān)注的是，局部涂抹高血壓藥物硝苯地平能夠使鈣信號恢復正常，并修復血管屏障。由于硝苯地平作用的通道僅表達于包裹毛細血管的周細胞等鄰近細胞，這表明鄰近細胞能通過非細胞自主的方式調(diào)控內(nèi)皮細胞的行為。研究發(fā)表在 PNAS 上。

#疾病與健康 #其他 #內(nèi)皮細胞 #鈣信號 #血管屏障

閱讀更多：

Swaminathan, Anush, et al. “Skin Capillary Endothelial Cells Form a Network of Spatiotemporally Conserved Ca2+ Activity.” Proceedings of the National Academy of Sciences, vol. 123, no. 26, June 2026, p. e2519708123. www.pnas.org, https://doi.org/10.1073/pnas.2519708123

成長的視覺環(huán)境能重塑斑馬魚眼睛的物理形狀

視覺環(huán)境如何塑造眼睛發(fā)育？Phoebe Reynolds、Armin Bahl和Robert Hindges團隊（倫敦國王學院與康斯坦茨大學）通過斑馬魚研究發(fā)現(xiàn)，早期視覺經(jīng)驗可改變視網(wǎng)膜中神經(jīng)元的形態(tài)與電活動，進而直接重塑其后續(xù)的運動偏好行為。

? Credit: Cell (2026).

研究人員將剛孵化的斑馬魚置于水平或垂直條紋中。利用顯微鏡成像，他們發(fā)現(xiàn)視覺環(huán)境特異性地塑造了視網(wǎng)膜中與方向選擇性相關(guān)的II型無足細胞的形態(tài)。在垂直環(huán)境中發(fā)育的斑馬魚，其垂直細胞的離心率顯著增加，而水平細胞變圓；水平環(huán)境中則相反。功能性鈣成像顯示，視網(wǎng)膜向大腦輸出的方向選擇性發(fā)生了與環(huán)境一致的持久偏置。在虛擬現(xiàn)實行為測試中，垂直組保留了向平行條紋游動的本能，而水平組該本能顯著減弱。通過基因操作阻斷視網(wǎng)膜可塑性后兩組行為差異消失，證實該行為轉(zhuǎn)變由眼部感覺器官的可塑性驅(qū)動。研究發(fā)表在 Neuron 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #視網(wǎng)膜可塑性 #虛擬現(xiàn)實 #行為生物學

閱讀更多：

Reynolds, Phoebe, et al. “Early Visual Experience Elicits Cellular and Functional Plasticity in the Retina and Alters Behavior.” Neuron, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2026.05.001

出生后前六個月母乳喂養(yǎng)可降低嬰兒睡眠不足的風險

為了厘清嬰兒喂養(yǎng)方式與睡眠的關(guān)系，Yuri Nakagawa等研究人員（富山大學）利用大規(guī)模數(shù)據(jù)展開研究，證實出生后前六個月進行母乳喂養(yǎng)能顯著降低嬰兒一歲時睡眠不足的風險，從而打破了配方奶喂養(yǎng)能讓嬰兒睡得更久的傳統(tǒng)誤解。

研究團隊分析了日本全國環(huán)境與兒童研究中82,918對母嬰的數(shù)據(jù)，根據(jù)出生后前六個月的喂養(yǎng)方式將嬰兒分為純配方奶組、母乳不足六個月組、母乳加配方奶組及純母乳六個月組。在一歲時，若嬰兒每日睡眠少于11小時則被定義為睡眠不足。結(jié)果顯示，相比于純配方奶組（睡眠不足率12.2%），純母乳六個月組的睡眠不足率最低，僅為8.8%。在排除混雜因素后，純母乳喂養(yǎng)六個月的嬰兒睡眠不足風險降低了23%，且喂養(yǎng)時間越長，睡眠不足的概率越低。研究人員指出，這可能由于母乳中含有會隨晝夜變化的褪黑素和色氨酸，且母乳能通過腸-腦軸優(yōu)化嬰兒的腸道微生態(tài)，進而促進健康的睡眠節(jié)律。研究發(fā)表在 European Journal of Clinical Nutrition 上。

#疾病與健康 #健康管理與壽命延長 #母乳喂養(yǎng) #嬰兒睡眠 #褪黑素

閱讀更多：

Nakagawa, Yuri, et al. “Breastfeeding and Children’s Sleep Duration at 1 Year of Age: A Nationwide Birth Cohort - The Japan Environment and Children’s Study.” European Journal of Clinical Nutrition, vol. 80, no. 5, May 2026, pp. 476–82. www.nature.com, https://doi.org/10.1038/s41430-026-01718-1

實驗室成功培養(yǎng)視網(wǎng)膜血管細胞

視網(wǎng)膜血管退化常導致視力喪失，但此前缺乏人類視網(wǎng)膜內(nèi)皮細胞的再生渠道。Ying-Yu Lin、Parker Esswein和Sharon Gerecht等（杜克大學）利用誘導多能干細胞（iPSCs），首次在實驗室培育出這種關(guān)鍵的特化血管細胞，為眼科疾病治療與建模開辟了新途徑。

? 圖中展示了健康（右）和受損（左）的人類視網(wǎng)膜內(nèi)皮細胞，它們對維持視力至關(guān)重要。這種受損是由低氧和高血糖水平引起的，類似于糖尿病視網(wǎng)膜病變的癥狀，而糖尿病視網(wǎng)膜病變是美國工作年齡人群視力喪失的主要原因。Credit: Duke University

研究團隊利用特定的分子信號通路，將人類誘導多能干細胞定向分化為視網(wǎng)膜內(nèi)皮細胞（iRECs），即構(gòu)成視網(wǎng)膜血管內(nèi)層的特化細胞。分化過程中，研究人員激活了對視網(wǎng)膜血管發(fā)育至關(guān)重要的Norrin-Fz4信號通路，并加入小分子藥物RepSox以增強屏障的成熟度。實驗表明，這些培育出的細胞具有高度的生物學保真度，展現(xiàn)出強大的屏障功能，并包含正常的葡萄糖轉(zhuǎn)運體1（GLUT1）轉(zhuǎn)運活性。在疾病模擬測試中，研究人員將這些血管組織置于低氧和高糖環(huán)境中，成功重現(xiàn)了糖尿病視網(wǎng)膜病變中的屏障破損。更重要的是，在視網(wǎng)膜病變的小鼠模型中，注射這些細胞能使其融入受損組織，成功重建血管并拯救缺血組織。這為視力喪失的預防和眼部疾病藥理研究提供了極具價值的體外模型。研究發(fā)表在 Nature Biomedical Engineering 上。

#疾病與健康 #其他 #視網(wǎng)膜內(nèi)皮細胞 #干細胞治療 #視網(wǎng)膜病變

閱讀更多：

Lin, Ying-Yu, et al. “Derivation of Functional Retinal Endothelial Cells from Human Pluripotent Stem Cells for Therapeutics and Modelling.” Nature Biomedical Engineering, June 2026, pp. 1–22. www.nature.com, https://doi.org/10.1038/s41551-026-01712-9

為什么抽象藝術(shù)能觸動人心？自發(fā)性個人記憶是關(guān)鍵

抽象藝術(shù)如何觸動人心？Anna P. Smith、Elizabeth J. Marsh與Felipe De Brigard團隊（杜克大學）通過跨學科學術(shù)合作，探索了個人記憶如何塑造審美體驗。他們發(fā)現(xiàn)，當抽象畫作自發(fā)喚起人們生活中的個人記憶時，觀者會感受到更強烈的情感觸動。

為了探究這一互動，研究團隊設(shè)計了三個基于抽象畫作的實驗。參與者每次觀看未知的抽象畫八秒鐘，并對其帶來的感動程度進行評分。研究人員將感動定義為認為作品美麗、引人入勝或充滿力量。結(jié)果顯示，當畫作自發(fā)喚起參與者對過去特定時刻的自傳式記憶時，情感反應最強烈。然而，當實驗要求參與者刻意為每幅畫構(gòu)建記憶時，這種促進效應便顯著減弱。研究人員指出，自發(fā)浮現(xiàn)的記憶會使人將情緒反應歸因于藝術(shù)品本身，而刻意回憶則更像是在完成任務。這一結(jié)合了心理學與哲學的研究，表明大腦在審美時調(diào)動了多重整合系統(tǒng)。研究發(fā)表在 Memory & Cognition 上。

#認知科學 #跨學科整合 #審美體驗 #自傳式記憶 #抽象藝術(shù)

閱讀更多：

Smith, Anna P., et al. “Aesthetic Experience Is Supported by Spontaneous Autobiographical Memory Recollection.” Memory & Cognition, vol. 54, no. 3, Apr. 2026, pp. 1037–51. Springer Link, https://doi.org/10.3758/s13421-025-01795-w

青春期短暫隔離即可對成年小鼠同理心造成持久損害

社交經(jīng)歷如何塑造同理心？加州大學圣克魯茲分校的研究人員通過小鼠研究發(fā)現(xiàn)，青春期階段的社會隔離會對個體的社交能力和情緒感知造成長期損害，即使后期重新融入群體也難以逆轉(zhuǎn)。

研究團隊在不同發(fā)育階段對雌雄小鼠進行了社會隔離實驗。結(jié)果顯示，從斷乳期開始接受社會隔離的小鼠，成年后不僅無法通過社交梳理來安慰受壓力的同伴，而且在情緒識別測試中也無法區(qū)分壓力大和無壓力的小鼠。令人驚訝的是，僅兩周的青春期隔離就足以導致這些缺陷，且在經(jīng)歷長達兩個月的重新社交后，這些行為障礙依然存在。相比之下，成年小鼠經(jīng)歷兩周隔離雖然也損害了社交梳理等親社會行為，但并未影響其情緒識別能力。這表明情緒識別與親社會助人行為在神經(jīng)機制上存在分離。研究發(fā)表在 eNeuro 上。

#認知科學 #心理健康與精神疾病 #同理心 #發(fā)育敏感期 #社會隔離

閱讀更多：

Lee, Hyo Gun, et al. “Adolescent Social Isolation Induces Persistent Impairments in Emotional Discrimination and Helping Behavior.” eNeuro, June 2026. Research Article: New Research. www.eneuro.org, https://doi.org/10.1523/ENEURO.0441-25.2026

基底神經(jīng)節(jié)如何通過推拉系統(tǒng)引導目標導向行為

大腦如何協(xié)調(diào)動作并追蹤目標進度？Isabella P. Fallon、Marina Roshchina和Henry H. Yin等人在杜克大學醫(yī)學院與杜克大學展開研究，發(fā)現(xiàn)基底神經(jīng)節(jié)中的特定神經(jīng)元群通過協(xié)同作用引導行為并追蹤目標進展。

? 一項操作性計數(shù)任務，可同時測量離散動作選擇和連續(xù)運動學。Credit: Nature Neuroscience (2026).

研究團隊設(shè)計了一項操作性計數(shù)任務，訓練小鼠按壓特定次數(shù)的杠桿以獲取食物。實驗中，團隊利用光遺傳學刺激了紋狀體（striatum，基底神經(jīng)節(jié)的主要輸入?yún)^(qū)域）中的兩類神經(jīng)元：直接通路棘狀投射神經(jīng)元（dSPN）和間接通路棘狀投射神經(jīng)元（iSPN）。結(jié)果顯示，這兩類神經(jīng)元對運動控制和按壓計數(shù)產(chǎn)生雙向且可分離的影響。激活dSPN會延長按壓序列，而激活iSPN則會提前終止按壓。此外，鈣成像顯示其活動呈遞增趨勢，且兩類神經(jīng)元群的活動差異與接近目標的程度成正比。這表明基底神經(jīng)節(jié)采用了一種推拉控制器，整合運動學與動作計數(shù)來引導目標導向行為。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #基底神經(jīng)節(jié) #目標導向行為

閱讀更多：

Fallon, Isabella P., et al. “Striatal Pathways Dissociably Control Action Counting and Goal-Directed Steering.” Nature Neuroscience, June 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-026-02330-z

重度抑郁癥特異性大腦皮質(zhì)變薄

重度抑郁癥獨特的腦部結(jié)構(gòu)特征一直不明確。中國科學院和阿姆斯特丹自由大學的研究團隊聯(lián)合兩個國際影像聯(lián)盟，通過分析大規(guī)模磁共振成像數(shù)據(jù)，繪制了高分辨率的抑郁癥大腦皮質(zhì)異常圖譜。

? 抑郁癥患者與健康對照組（5256 例抑郁癥患者 vs. 6320 例健康對照組）之間的皮質(zhì)厚度差異。數(shù)值代表 Cohen's d 值（正值表示抑郁癥患者皮質(zhì)厚度大于對照組）。Credit: Yan et al.

研究團隊利用磁共振成像技術(shù)，對全球5,736名重度抑郁癥患者和6,538名對照者的腦部掃描數(shù)據(jù)進行了逐頂點薈萃分析。結(jié)果顯示，患者在下頂葉、內(nèi)側(cè)和外側(cè)眶額葉、前扣帶回和后扣帶回等多個關(guān)鍵腦區(qū)的皮質(zhì)厚度顯著變薄，而皮質(zhì)表面積則無顯著差異。此異常在急性發(fā)作期的成年患者中最為明顯，但在青少年患者中未見顯著改變。此外，服用選擇性血清素再攝取抑制劑等藥物的患者皮質(zhì)變薄更為廣泛，不過這種藥物效應較為輕微，效應量通常小于0.20。此高分辨率腦結(jié)構(gòu)地圖為理解抑郁癥病理提供了重要基準。研究發(fā)表在 Nature Mental Health 上。

#疾病與健康 #心理健康與精神疾病 #重度抑郁癥 #大腦皮質(zhì)

閱讀更多：

Yan, Chao-Gan, et al. “Vertex-Wise Cortical Abnormalities in Major Depressive Disorder from 64 Cohorts from the DIRECT and ENIGMA MDD Consortia.” Nature Mental Health, June 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s44220-026-00667-9

AI 行業(yè)動態(tài)

OpenAI低調(diào)上線GPT-5.6：性能升級與政府監(jiān)管下的戴箍前行

OpenAI發(fā)布了新一代GPT-5.6系列模型，包含Sol、Terra和Luna三款產(chǎn)品，主要在編程、網(wǎng)絡安全及長鏈式智能體任務上實現(xiàn)性能突破。旗艦模型Sol具備更深的推理能力，并在加州大學伯克利分校研究人員聯(lián)合創(chuàng)建的基準測試中，展現(xiàn)出優(yōu)于前代及競爭對手的表現(xiàn)。其計費按每百萬Token計算，且引入了更具性價比的緩存機制。

為防范潛在安全風險，OpenAI構(gòu)建了多層防御框架，包括攔截違規(guī)請求、利用大模型實時審查，并投入大量資源進行自動化的紅隊測試。由于美國政府的介入，該模型初期僅以受限預覽形式對少數(shù)伙伴開放API。OpenAI對此表達了保留意見，認為政府審查不應成為長期慣例，以免延誤防御方和企業(yè)獲取先進工具。

#GPT5.6 #人工智能監(jiān)管 #AI安全測試 #OpenAI

閱讀更多：

https://openai.com/index/previewing-gpt-5-6-sol/

員工在加速，公司在拖后腿：微軟年度報告揭示AI落地的轉(zhuǎn)型悖論

微軟發(fā)布的《工作趨勢指數(shù)》指出，在AI產(chǎn)生價值的因素中，組織環(huán)境影響權(quán)重是個人行為的兩倍。這一差異引發(fā)了“轉(zhuǎn)型悖論（Transformation Paradox，指員工已用AI重置工作但組織仍用傳統(tǒng)指標考核的脫節(jié)現(xiàn)象）”。調(diào)研表明，超半數(shù)受訪者因AI突破了個人產(chǎn)出上限，尤其是前沿專業(yè)人員。然而，由于企業(yè)考核制度未能同步更新，員工在重構(gòu)工作流時往往缺乏實質(zhì)性的制度激勵。

針對此瓶頸，研究人員建議企業(yè)應將AI視為組織能力，建立沉淀實踐經(jīng)驗的共享系統(tǒng)。為承接個體釋放的能動性，微軟推出了支持環(huán)路工程（Loop Engineering，通過設(shè)定觸發(fā)條件讓智能體自主跨應用處理任務的交互范式）的人機協(xié)同方案。哈佛大學教授 Karim Lakhani指出，AI時代的關(guān)鍵在于當智能可被委派時，如何重新設(shè)計工作本身。企業(yè)必須從底層數(shù)據(jù)和管理制度上進行系統(tǒng)改造，才能讓AI真正發(fā)揮復利價值。

#工作趨勢指數(shù) #AI轉(zhuǎn)型悖論 #人機協(xié)同 #組織管理

閱讀更多：

https://assets-c4akfrf5b4d3f4b7.z01.azurefd.net/assets/2026/05/2026_Work_Trend_Index_Annual_Report_050526-7_69fc5b1c4e265.pdf

Meta AI開源無創(chuàng)腦機接口系統(tǒng)，戴頭盔即可實時讀腦

Meta AI近日發(fā)布了非侵入式腦機接口系統(tǒng)Brain2Qwerty v2。該系統(tǒng)讓參與者佩戴腦磁圖頭盔，將打字時的腦信號實時還原為文本。研究人員通過端到端深度學習模型直接映射原始信號，并引入微調(diào)的大語言模型進行語義修正，使整句字詞準確率達到61%，最佳參與者達78%。這相比此前無創(chuàng)方法約8%的準確率實現(xiàn)了顯著提升，在實時解碼上開始逼近需要開顱的侵入式技術(shù)。

該研究的準確率隨訓練數(shù)據(jù)量呈對數(shù)線性增長，隨著數(shù)據(jù)擴充，其與手術(shù)方案的差距有望進一步收窄。雖然目前系統(tǒng)仍需約10小時的個人定制數(shù)據(jù)訓練，無法即拿即用，但其無創(chuàng)安全的特性具備較好的應用前景。為推動技術(shù)通用化，Meta AI已開源了完整訓練代碼，合作機構(gòu)巴斯克認知、腦與語言研究中心（BCBL）也同步釋放了相關(guān)數(shù)據(jù)集。該成果旨在幫助全球因腦損傷、肌萎縮側(cè)索硬化等失去交流能力的數(shù)百萬患者，讓他們無需承擔手術(shù)風險即可重獲溝通機會。

#腦機接口 #MetaAI #Brain2Qwerty #腦磁圖 #無創(chuàng)解碼

閱讀更多：

https://ai.meta.com/blog/brain2qwerty-brain-ai-human-communication/

AI 驅(qū)動科學

撕下醫(yī)療AI高分遮羞布：大模型在死記硬背醫(yī)學考試

前沿大模型在醫(yī)療評估中頻拿高分，但其實際診療能力仍存疑。來自微軟研究院和Scripps研究所的研究人員，系統(tǒng)評估了主流醫(yī)療AI的穩(wěn)健性。結(jié)果表明，大模型的高分表現(xiàn)極具脆性，多數(shù)依靠走捷徑式記憶而非真正臨床推理。

研究團隊針對 GPT-5 與 GPT-4o 等模型設(shè)計了多項對抗性壓力測試。在去除醫(yī)學影像的極端測試中，原本需要看圖診斷的題目，GPT-5 依然取得了 67.41% 的準確率，表明模型主要在靠背誦題干與答案。當打亂選擇題選項順序時，模型展現(xiàn)出嚴重的位置依賴，GPT-4o 純文本準確率直接跌至 16.35%。而在將正確影像替換為干擾影像的測試中，GPT-5 仍堅持原有選項，準確率從 84% 暴跌至 35%，暴露出多模態(tài)推理的嚴重缺陷。此外，模型常給出看似專業(yè)但邏輯錯誤的虛假診斷理由。通過醫(yī)生對九個主流評估基準的分析，研究指出當前的評估數(shù)據(jù)集過于單一，無法反映真實的臨床穩(wěn)健性。研究發(fā)表在 Nature Medicine 上。

#疾病與健康 #大模型技術(shù) #醫(yī)療人工智能 #穩(wěn)健性評估 #壓力測試

閱讀更多：

Gu, Yu, et al. “Evaluating the Robustness and Readiness of Large Frontier Models in Health AI Applications.” Nature Medicine, June 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41591-026-04501-8

單層超薄人造皮膚讓機器人可同時感知溫度與壓力

如何讓機器人擁有像人類皮膚一樣靈敏的觸覺？Seung Hwan Ko及其團隊（首爾國立大學）開發(fā)出一種新型多模態(tài)觸覺傳感器，通過單層超薄結(jié)構(gòu)實現(xiàn)了溫度與壓力的同時感知，為物理人工智能系統(tǒng)提供了高分辨率的觸覺感知方案。傳統(tǒng)的多模態(tài)傳感器通常依靠多層堆疊設(shè)計，導致設(shè)備笨重且響應緩慢。

? Credit: Nature Materials (2025).

研究團隊構(gòu)建了一種由銀核和氧化銅殼組成的核殼憶阻（memristive，具有電阻記憶特性的電子元件）納米線網(wǎng)絡器件。該傳感器能在單個超薄單層結(jié)構(gòu)中，以每秒16次的頻率在熱傳感模式與機械傳感模式之間快速切換，實現(xiàn)亞微秒級的機械響應和毫秒級的熱響應。利用這兩種模式的交錯信號訓練人工智能模型，對20種日常物品的分類識別準確率從單模態(tài)的約65%顯著提升至95%；集成在指尖無線測量板上的系統(tǒng)也達到了83%的識別率。團隊還開發(fā)了具有高空間分辨率的多陣列平臺，證明該技術(shù)可擴展至類人皮膚系統(tǒng)。研究發(fā)表在 Nature Materials 上。

#機器人及其進展 #人造皮膚 #多模態(tài)傳感

閱讀更多：

Kim, Kyun Kyu, et al. “Unisensory Processing of Interleaving Memristive Nanowires Enabling Multimodal Sensing at Human-Scale Resolution.” Nature Materials, vol. 25, no. 3, Mar. 2026, pp. 463–71. www.nature.com, https://doi.org/10.1038/s41563-025-02373-w

AI招聘軟件掩蓋崗位種族偏見，單一算法導致求職者遭遇系統(tǒng)性拒絕

AI招聘算法在減少人為偏見的同時，是否會引入新的不公？Rishi Bommasani，Sarah H. Bana，Kathleen A. Creel，Dan Jurafsky和Percy Liang團隊（斯坦福大學、查普曼大學及東北大學）對此進行了深入研究，首次揭示了AI招聘工具在特定崗位上存在的種族偏見以及算法重復使用導致的系統(tǒng)性拒絕現(xiàn)象。

該研究分析了Pymetrics平臺超400萬份的真實申請數(shù)據(jù)，涉及1,746個崗位。研究團隊采用五分之四規(guī)則（four-fifths rule，即某群體的推薦率若低于最高群體的百分之八十則視作存在潛在歧視）來評估算法偏見。結(jié)果顯示，雖然整體平均數(shù)據(jù)顯示偏見不明顯，但一旦細分到具體崗位，有百分之十點六二的崗位對黑人申請者存在不利影響；多達百分之二十五點八七的黑人申請和百分之十四點七四的亞裔申請投向了存在族裔偏見的崗位。此外，由于多數(shù)企業(yè)采購相同供應商的軟件，形成了算法單一文化，這導致了系統(tǒng)性拒絕。在申請10個職位的求職者中，有百分之四遭遇了全盤拒絕，該比例遠超企業(yè)獨立決策時的預期。模擬表明，在此環(huán)境下，求職者需投遞25份申請才能將系統(tǒng)性拒絕率降至千分之一以下。

#其他 #算法偏見 #算法單一文化 #AI招聘

閱讀更多：

Bommasani, Rishi, et al. “Algorithmic Monocultures in Hiring.” arXiv:2605.27371, arXiv, 26 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.27371

高昂開銷換不來高準確率？揭秘智能體內(nèi)存系統(tǒng)的系統(tǒng)級成本

如何為大語言模型智能體構(gòu)建高效穩(wěn)健的外部存儲？針對現(xiàn)有評測缺乏系統(tǒng)性的局限，上海交通大學、清華大學及上海麥姆騰梭科技有限公司的研究人員系統(tǒng)評測了智能體內(nèi)存系統(tǒng)，揭示了核心模塊的性能折中。

研究團隊提出了一個包含表示、提取、檢索和維護的四模塊框架，并在統(tǒng)一平臺上評測了12種主流系統(tǒng)。實驗表明，沒有單一架構(gòu)能在所有場景占優(yōu)。復合混合系統(tǒng)在對話問答中領(lǐng)先，但圖結(jié)構(gòu)方法更擅長處理知識覆寫。隨著時間跨度增加，相似度檢索的準確率顯著退化。此外，高結(jié)構(gòu)化系統(tǒng)在索引構(gòu)建和查詢延遲上帶來了高出幾個數(shù)量級的系統(tǒng)開銷，但準確率增益并不成比例。結(jié)果表明，局部維護是更具成本效益的策略。

#大模型技術(shù) #其他 #智能體內(nèi)存系統(tǒng) #系統(tǒng)級評估 #數(shù)據(jù)管理

閱讀更多：

Zhou, Wei, et al. “Are We Ready For An Agent-Native Memory System?” arXiv:2606.24775, arXiv, 23 June 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.24775

Meta推出Autodata框架：讓AI智能體自主構(gòu)建高質(zhì)量合成數(shù)據(jù)

如何持續(xù)獲取高質(zhì)量且難度適中的合成數(shù)據(jù)以提升大語言模型能力是當前人工智能領(lǐng)域的重要挑戰(zhàn)。Ilia Kulikov、Chenxi Whitehouse、Tianhao Wu、Yixin Nie等（Meta人工智能研究院）針對這一問題展開研究，成功開發(fā)出Autodata框架。該框架使AI智能體能夠模擬人類數(shù)據(jù)科學家的角色，通過自我迭代生成、定量評估與分析，自主構(gòu)建出高質(zhì)量的訓練與評估數(shù)據(jù)集。

研究團隊提出了一種具體實現(xiàn)方法，即智能體自啟發(fā)。該方法包含四個子智能體：挑戰(zhàn)者、弱解答者、強解答者和裁判。通過讓強弱解答者同時作答，裁判智能體評估兩者的表現(xiàn)差異，從而篩選出對目標模型難度最適中的數(shù)據(jù)。在計算機科學、法律推理和科學推理任務的實驗中，該方法均表現(xiàn)優(yōu)異。在法律推理任務中，利用該方法構(gòu)建的數(shù)據(jù)對模型進行群組相對策略優(yōu)化后，僅有40億參數(shù)的微型模型在 PRBench-Legal 基準測試中的得分達到了 0.441，超越了未訓練的3970億參數(shù)基類模型。此外，研究還引入了元優(yōu)化（Meta-Optimization：對生成數(shù)據(jù)智能體自身的提示詞進行演化改進的技術(shù)），將數(shù)據(jù)生成成功率從 62.1% 提升至 79.6%。

#大模型技術(shù) #自動化科研 #合成數(shù)據(jù) #智能體 #強化學習

閱讀更多：

Kulikov, Ilia, et al. “Autodata: An Agentic Data Scientist to Create High Quality Synthetic Data.” arXiv:2606.25996, arXiv, 25 June 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.25996

自對弈強化學習實現(xiàn)類人自動駕駛

如何讓自動駕駛兼具安全與類人規(guī)范？Daphne Cornelisse、Julian Hunt、Zixu Zhang、Wa?l Doulazmi、Kevin Joseph、Jaime Fernández Fisac 與 Eugene Vinitsky 等研究人員（紐約大學、普林斯頓大學、巴黎高等礦業(yè)學校及法雷奧集團）開發(fā)了調(diào)味自對弈方法，僅用微量人類數(shù)據(jù)作為錨點引導強化學習，成功解決了自對弈產(chǎn)生異類行為的難題。

研究團隊將僅 30 分鐘的人類駕駛演示數(shù)據(jù)用于訓練行為克隆（behavioral cloning，一種通過直接復制人類示范來學習策略的技術(shù)）錨點，隨后在 200 億步的大規(guī)模自對弈強化學習（self-play reinforcement learning，指智能體通過與自身副本交互來進行試錯學習）中引入散度正則化，約束智能體偏離人類規(guī)范。實驗表明，這一方法在人類回放評估中的責任碰撞率僅為 0.7%，不僅遠低于無正則化自對弈的 2.1%，甚至優(yōu)于使用 52 天完整數(shù)據(jù)集訓練的先進模仿學習基線模型（其責任碰撞率為 1.6%）。此外，該方法顯著降低了碰撞嚴重程度，平均沖擊速度改變量從 2.09 米每秒降至 1.71 米每秒，且高危碰撞比例減半。利用該平臺，策略在單張消費級圖形處理器上僅需 15 小時即可完成端到端訓練。研究還發(fā)現(xiàn)，場景元數(shù)據(jù)的多樣性對提升泛化性能至關(guān)重要。

#其他 #機器人及其進展 #自動駕駛 #強化學習 #自對弈

閱讀更多：

Cornelisse, Daphne, et al. “Human-like Autonomy Emerges from Self-Play and a Pinch of Human Data.” arXiv:2606.19370, arXiv, 11 June 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.19370

谷歌PAT工具實現(xiàn)高精度論文證明糾錯

針對學術(shù)論文爆炸式增長導致同行評審難以為繼的瓶頸，Rajesh Jayaram, Drew Tyler, David Woodruff, Corinna Cortes, Yossi Matias, Vahab Mirrokni, Vincent Cohen-Addad（谷歌研究院、卡內(nèi)基梅隆大學）研發(fā)出論文助手工具，實現(xiàn)了深度科學評審與驗證。

該系統(tǒng)采用推理擴展技術(shù)（inference-scaling techniques，通過在生成答案時分配更多計算資源以引導模型進行深度思考的方法）來檢索深層學術(shù)錯誤。其工作流包含四個階段：首先將論文分割為不同的主題段落，接著根據(jù)內(nèi)容復雜度自適應分配算力，隨后由多個深度評審智能體并行驗證，最后由綜合智能體進行去重和谷歌搜索檢索以減少幻覺。在測試中，該系統(tǒng)對數(shù)學和計算機科學論文的公式及證明錯誤識別準確率達到89.7%，比單次模型生成的零樣本召回率提升了34%。此外，該工具在理論計算機科學年會（STOC）和國際機器學習會議（ICML）試點應用，分析了超過4700篇論文。調(diào)查顯示，超90%的作者認為反饋有幫助，甚至有31%的機器學習領(lǐng)域作者因其建議而進行了新的實驗。

#AI驅(qū)動科學 #自動化科研 #學術(shù)同行評審 #大語言模型 #智能體

閱讀更多：

Jayaram, Rajesh, et al. “Towards Automating Scientific Review with Google’s Paper Assistant Tool.” arXiv:2606.28277, arXiv, 26 June 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.28277

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)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(guān)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(gòu)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(shè)立了應用神經(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(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、、科普視頻媒體「大圓鏡」等。