追問daily | 是屏幕偷走了睡眠，還是失眠點亮了屏幕？嬰兒在說話前已開始理解動詞

█ 腦科學動態

大腦為何會“起皺”？凝膠模型重現神經發育畸形全過程

不僅是運動中樞：小腦特定區域 LangCereb3 專司語言

腦成像顯示嬰兒在說話前已開始理解動詞

智能體AI革新阿爾茨海默病篩查：從靜態測試到動態協作

屏幕時間不僅影響睡眠，還削弱青少年健康生活信念

腦部磁脈沖療法被證實為治療抑郁癥的低成本有效途徑

模擬人腦微環境，新模型發現PTPRZ1蛋白調控腫瘤惡變

人類智能的關鍵在于大腦網絡如何協同工作

█ AI行業動態

OpenAI發布免費科研神器Prism，GPT-5.2全面接管論文寫作

ClawdBot爆紅引發全球安全恐慌，專家緊急預警“不要裸奔”

警惕“幽靈引用”與“死互聯網”：生成式AI引發科學界認知污染危機

█ AI驅動科學

Cell：受剪紙藝術啟發，北航團隊開發“電子皮膚”護航器官治療

給水凝膠裝上“血管”：新型合成肌肉實現空氣中快速驅動

小符號引發大風險：大型語言模型中的表情符號語義混淆

基于物理學訓練的基礎人工智能模型正在推動科學發現

KAIST開發通用AI適配器：無視架構差異高效傳遞知識

拒絕盲目自動化：人機協作才是企業競爭力的護城河

基于“觀念運動理論”的下一代腦機接口，讓AI直接讀懂你的目標

把腦電“藏”到耳后：超薄透氣貼片實現高效腦機交互

腦科學動態

大腦為何會“起皺”？凝膠模型重現神經發育畸形全過程

大腦復雜的褶皺是如何從簡單的生物物理過程中產生的？哈佛大學約翰·A·保爾森工程與應用科學學院的L. Mahadevan、Gary Choi和Sifan Yin等人組成的跨學科團隊，通過結合物理學模型與生物學觀察，揭示了大腦折疊及其發育畸形背后的通用物理機制。該研究不僅解釋了大腦如何形成正常的褶皺，還闡明了基因缺陷如何通過改變物理參數導致神經發育疾病。

? 人腦表面磁共振成像重建與雪貂腦模擬在皮質畸形多小腦回畸形方面的比較。Credit: Harvard John A. Paulson School of Engineering and Applied Sciences

研究團隊采用了一種綜合方法，包括研究雪貂大腦、構建物理凝膠模型以及進行計算機數值模擬。雪貂因其大腦擁有與人類相似的褶皺結構，被選為理想的實驗模型。研究核心發現，大腦折疊主要由兩個關鍵物理變量驅動：皮層相對于大腦整體大小的厚度，以及皮層相對于內部白質的生長速度。當外層皮質生長快于內部時，機械不穩定性會導致表面彎曲。

通過調整這些物理參數，研究人員成功重現了多種人類大腦皮質發育畸形。例如，模擬顯示皮層局部變薄會產生類似多小腦回畸形的細密褶皺，這通常與SCN3A基因突變有關；而皮層增厚伴隨生長減緩則會導致類似無腦回畸形的平滑表面，與TMEM161B基因異常相關。此外，姊妹研究表明，無論是雪貂、獼猴還是人類，其大腦折疊都遵循相同的物理規則，形態差異僅源于不同的生長速率和初始條件。這一發現建立了一個從基因到幾何結構的統一框架，為理解神經發育疾病提供了新的視角。研究發表在 eLife 上。

#疾病與健康 #神經機制與腦功能解析 #大腦折疊 #生物物理學 #發育畸形

閱讀更多：

Choi, Gary PT, et al. “Biophysical Basis for Brain Folding and Misfolding Patterns in Ferrets and Humans.” eLife, edited by Saad Jbabdi and Timothy E Behrens, vol. 14, Dec. 2025, p. RP107141. eLife, https://doi.org/10.7554/eLife.107141

不僅是運動中樞：小腦特定區域 LangCereb3 專司語言

長期以來，小腦被認為主要負責運動和平衡，但其在高級認知功能中的作用逐漸浮出水面。為了厘清小腦在語言處理中的具體角色，來自麻省理工學院（MIT）的 Colton Casto 和 Evelina Fedorenko 等研究人員進行了一項跨度長達16年的大規模研究。他們通過分析海量腦部掃描數據，顛覆了以往的認知，證實了小腦內部存在專門負責語言處理的區域，為理解人類語言網絡提供了全新的視角。

? 右側小腦后部的四個區域對閱讀和聽力中的語言活動均有可靠的反應。Credit: DOI: 10.1016/j.neuron.2025.12.030

這項研究利用功能性磁共振成像（fMRI），分析了846名參與者在執行不同任務時的大腦活動數據，涵蓋了閱讀、聽力以及解數學題、聽音樂等非語言任務。研究團隊在右側小腦后部識別出四個與語言緊密相關的區域。最令人驚訝的發現是，其中一個被稱為 LangCereb3 的區域表現出高度的“專一性”，它幾乎只對語言處理產生反應，而忽略其他心智任務，這一特性與大腦皮層的主要語言網絡高度一致。另外三個區域則表現出混合功能，同時參與語言和非語言活動。這一發現不僅繪制了詳細的小腦語言地圖，還提示 LangCereb3 可能成為治療中風或失語癥等語言障礙的重要神經靶點。研究發表在 Neuron 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #觸覺感知 #Tau蛋白

閱讀更多：

Casto, Colton, et al. “The Cerebellar Components of the Human Language Network.” Neuron, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2025.12.030

腦成像顯示嬰兒在說話前已開始理解動詞

嬰兒通常在一歲左右才開始說出第一個詞，且大多是“媽媽”或“球”這類名詞，這讓人們誤以為動詞理解發生得較晚。Kelsey L. Frewin、Sarah A. Gerson及其同事（卡迪夫大學、東英吉利大學、華威大學）利用神經生理學技術進行了開創性研究，首次證實10個月大的嬰兒在開口說話前，大腦就已經開始嘗試理解動詞的含義。

研究團隊招募了10個月大的嬰兒，讓他們觀看包含揮手、走路等日常動作的視頻，同時播放與畫面匹配或不匹配的動詞音頻。科學家利用腦電圖捕捉嬰兒的大腦反應，重點觀察事件相關電位（ERP）的變化。為了驗證測試的有效性，團隊首先在成年人身上進行了相同實驗，觀察到了預期的N400效應（一種反映語義整合困難的特定腦電波成分）。實驗結果顯示，當聽到與眼前動作不符的動詞時，嬰兒的大腦也會產生特定的電位變化，表明他們能夠察覺這種不匹配。盡管嬰兒的腦電反應模式與成人有所不同，且這種能力與他們目前的詞匯量無關，但這有力地證明了嬰兒在生命的第一年里就已經對動作和動詞的關聯十分敏感，具備了初步的語義知識。這一發現挑戰了傳統觀點，表明動詞理解的萌芽遠早于語言表達的開始。研究發表在 Cortex 上。

#認知科學 #神經機制與腦功能解析 #語言發展 #嬰兒研究 #腦電圖

閱讀更多：

Frewin, Kelsey L., et al. “Electrophysiological Evidence of Infants’ Understanding of Verbs.” Cortex, vol. 196, Mar. 2026, pp. 41–60. ScienceDirect, https://doi.org/10.1016/j.cortex.2025.12.009

智能體AI革新阿爾茨海默病篩查：從靜態測試到動態協作

傳統的阿爾茨海默病篩查往往依賴紙質問卷，不僅耗時且難以捕捉細微的認知變化。Kevin Mekulu和Hui Yang（賓夕法尼亞州立大學）等研究人員提出了一種全新的解決方案：利用能夠獨立規劃和執行任務的智能體人工智能，通過分析患者的語音模式來早期檢測神經退行性疾病，為認知護理提供了更精準、更具適應性的工具。

? 從語音轉錄中發現字符級語言生物標記的符號遞歸深度度量學習框架。Credit: Frontiers in Aging Neuroscience (2025).

這項研究的核心在于引入了“智能體人工智能”，這是一種超越傳統靜態模型的新型系統。傳統的AI通常只是簡單地根據輸入生成輸出，而智能體AI則建立在模塊化的大語言模型基礎之上，能夠模擬臨床團隊的協作模式。研究團隊構建了一個“認知智能體實驗室”，其中包含負責文本處理、臨床語言學分析、認知評估以及文獻綜述等不同角色的AI智能體。這些智能體不僅能分析患者語音中的詞語選擇、流暢性和重復等語言生物標志物（linguistic biomarkers），還能根據患者的實時反應調整評估策略。更重要的是，該系統并非“黑箱”，它能提供完整的推理過程供醫生審核，從而實現透明且個性化的篩查。這種方法將認知評估從一次性的靜態測試轉變為一個動態、連續且結合情境的過程，有望在癥狀明顯出現前數年發現問題。研究發表在 Journal of Alzheimer's Disease Reports 上。

#AI 驅動科學 #個性化醫療 #阿爾茨海默病 #智能體人工智能 #語音生物標志物

閱讀更多：

Mekulu, Kevin, et al. “Agentic Artificial Intelligence in Cognitive Screening: A Translational Roadmap for Dementia Care.” Journal of Alzheimer’s Disease Reports, vol. 9, Dec. 2025, p. 25424823251407989. SAGE Journals, https://doi.org/10.1177/25424823251407989

屏幕時間不僅影響睡眠，還削弱青少年健康生活信念

屏幕時間過長如何影響青少年的身心健康？Wiley 發布的一項新研究揭示了其中的關聯。研究結果表明，屏幕暴露不僅與睡眠質量下降有關，還在睡眠質量差導致的不健康生活信念之間起到了關鍵的中介作用，這為改善青少年生活習慣提供了新的干預方向。

該研究對土耳其黑海地區兩所高中的700名青少年進行了深入調查。研究團隊利用問卷調查收集了參與者的屏幕使用習慣、睡眠狀況以及對健康生活方式的看法。分析結果顯示，花費更多時間在屏幕上的青少年，其睡眠質量往往更低，且不太可能認同維持健康生活方式的重要性。

進一步的數據分析揭示了一個重要的機制：屏幕暴露（screen exposure）在睡眠質量與健康生活方式信念之間起到了中介作用（mediating role，即解釋自變量與因變量之間關系的變量）。這意味著，較差的睡眠質量可能導致青少年增加屏幕使用時間，而增加的屏幕時間反過來又削弱了他們對健康生活方式的信念。基于此發現，作者建議推廣相關干預措施，旨在減少青少年的屏幕接觸，同時增加社交互動并發展其他替代活動，以幫助他們養成更健康的生活方式。研究發表在 Brain & Behavior 上。

#疾病與健康 #疾病預防 #睡眠質量 #行為干預 #青少年健康

閱讀更多：

Sleep Quality and Healthy Lifestyle Beliefs in Adolescents: The Mediating Role of Screen Exposure, Brain and Behavior (2026). DOI: 10.1002/brb3.71212

腦部磁脈沖療法被證實為治療抑郁癥的低成本有效途徑

重度抑郁癥嚴重影響全球數億人的生活，尤其是對藥物無反應的難治性抑郁癥患者。盡管經顱磁刺激（TMS）技術已被證實有效，但因缺乏經濟效益證據，其在公共醫療體系中的普及受阻。來自諾丁漢大學臨床試驗中心的衛生經濟學家Edward Cox與NIHR諾丁漢生物醫學研究中心的Richard Morriss教授團隊，通過一項大規模經濟評估研究打破了這一僵局。他們發現，對于中重度難治性抑郁癥患者而言，TMS不僅能顯著改善癥狀，而且對醫療體系而言是一種極具成本效益的治療選擇。

該研究采用決策分析模型（DAM），整合了兩項大型臨床試驗（BRIGhTMIND和SMD）的數據，對比了重復經顱磁刺激（rTMS）和間歇性θ節律刺激（iTBS）與常規治療的經濟性。結果顯示，從醫療體系角度看，這兩種療法的增量成本效益比（ICER，即每獲得一個單位健康改善所需的額外成本）約為1.2萬至1.3萬英鎊，遠低于通常被視為具有成本效益的2萬至3萬英鎊閾值。更重要的是，從社會視角分析，TMS療法通過幫助患者恢復工作能力、減少家屬的非正式護理時間，實際上比常規治療更省錢。研究指出，只要確保護理模式的高效運作，TMS應當被視為常規藥物治療無效后的首選替代方案。研究發表在 BMJ Mental Health 上。

#疾病與健康 #心理健康與精神疾病 #經顱磁刺激 #衛生經濟學 #難治性抑郁癥

閱讀更多：

Cox, Edward, et al. “Is It Time for Mental Health Services to Invest in Neurostimulation? An Economic Evaluation of Transcranial Magnetic Stimulation Therapies for the Treatment of Moderate to Severe Treatment-Resistant Depression in the UK.” BMJ Mental Health, vol. 29, no. 1, Jan. 2026. mentalhealth.bmj.com, https://doi.org/10.1136/bmjment-2025-302237

模擬人腦微環境，新模型發現PTPRZ1蛋白調控腫瘤惡變

膠質母細胞瘤因其高侵襲性和對治療的頑強抵抗而被稱為最致命的腦腫瘤之一。Shivani Baisiwala、Aparna Bhaduri及其在加州大學洛杉磯分校的同事開發了先進的3D腫瘤類器官模型，成功在實驗室中重建了包含免疫成分的人腦腫瘤微環境，為解析腫瘤耐藥機制提供了新工具。

? 在 HOTT 系統中，腫瘤細胞的免疫熒光染色呈綠色，與癌癥增殖標志物存在重疊。Credit: Bhaduri Lab

研究團隊構建了名為HOTT和iHOTT的兩種互補模型。首先，利用HOTT系統，研究人員發現一種名為PTPRZ1（Receptor-type tyrosine-protein phosphatase zeta 1）的蛋白質在腫瘤細胞與周圍腦細胞的通訊中起關鍵作用。令人意外的是，降低腦細胞中該蛋白的水平反而促使腫瘤細胞進入更具侵襲性的狀態，形成長距離的腫瘤微管以輔助擴散，且這一過程不依賴于酶活性。隨后，在整合了患者自身免疫細胞的外周血單核細胞（PBMCs）的iHOTT模型中，團隊測試了免疫藥物帕博利珠單抗（Pembrolizumab）。結果顯示，雖然藥物成功“喚醒”了免疫系統，導致CD4 T細胞（CD4 T cells）等群體擴增，但腫瘤細胞依然存活。進一步分析發現，被激活的T細胞反應在不同患者間差異巨大，缺乏針對共有腫瘤靶點的統一反應，這解釋了為何此類免疫療法在臨床上往往效果不佳。這一發現強調了針對患者特異性抗原開發策略的必要性。研究發表在 Cell Reports 上。

#疾病與健康 #個性化醫療 #膠質母細胞瘤 #類器官 #免疫療法

閱讀更多：

Baisiwala, Shivani, et al. “A Human Tumor-Immune Organoid Model of Glioblastoma.” Cell Reports, vol. 45, no. 1, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.celrep.2025.116790

人類智能的關鍵在于大腦網絡如何協同工作

長期以來，神經科學傾向于將大腦功能定位在特定區域，但這難以解釋為何人類認知具有高度的整體性和統一性。圣母大學的Aron Barbey教授與研究生Ramsey Wilcox，聯合石溪大學的Babak Hemmatian和Lav Varshney，開展了一項大規模神經影像學研究。他們基于“網絡神經科學理論”，不僅揭示了大腦網絡組織效率與一般智力之間的內在聯系，還證實了智力并非源于單一腦區，而是涌現于全腦系統的動態協調與整合。

研究團隊分析了迄今為止規模最大的相關數據集之一，涵蓋了“人類連接組計劃”（Human Connectome Project）中的831名成年人以及“INSIGHT研究”中的145名獨立樣本。通過整合腦結構和功能的測量數據，研究人員驗證了智力運作的四個關鍵預測：首先，智力依賴于跨多個網絡的分布式處理；其次，大腦通過微弱的長距離連接實現系統內的高效通信與信息整合；第三，特定的腦區作為調控樞紐，通過塑造信息流向來協調不同網絡的交互；最后，大腦采用“小世界”架構，即在維持局部緊密連接的同時，保留通往遠端區域的捷徑，從而平衡局部專業化與全局整合。這種靈活的組織原則解釋了人類如何適應復雜環境，并為開發以生物學為靈感的人工智能提供了新的設計思路。研究發表在 Nature Communications 上。

#認知科學 #神經機制與腦功能解析 #計算模型與人工智能模擬 #一般智力 #網絡神經科學 #人類連接組

閱讀更多：

Wilcox, Ramsey R., et al. “The Network Architecture of General Intelligence in the Human Connectome.” Nature Communications, Jan. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-68698-5

AI 行業動態

OpenAI發布免費科研神器Prism，GPT-5.2全面接管論文寫作

OpenAI 近日正式推出了名為 Prism 的新一代科研寫作工具，旨在打破長期以來科研工具碎片化的僵局。這款基于云端的“AI 原生” LaTeX工作區，由最新的 GPT-5.2 模型驅動，專為學術寫作和團隊協作打造。此前，研究人員不得不在編輯器、PDF 閱讀器和文獻管理軟件之間頻繁切換，導致注意力分散，而 Prism 通過深度集成 AI，能夠理解論文的整體結構、公式、參考文獻以及上下文語境，從而提供無縫的輔助。它不僅能從摘要開始全程協助潤色論文，還能將上傳的白板草圖一鍵轉化為 TikZ（在 LaTeX 中創建圖形元素的繪圖包）圖表，甚至自動管理引用并匯總相關研究，極大地提升了科研效率。

Prism 的核心優勢在于其強大的協作能力和極低的使用門檻。該平臺支持無限數量的協作者實時共同編輯，徹底消除了版本沖突和繁瑣的文件合并過程。GPT-5.2 模型深入工作流內部，支持與用戶進行深度推理對話、全局語境下的起草與修改，甚至可以通過語音指令進行編輯。OpenAI 團隊表示，Prism 基于其收購的云端平臺 Crixet 構建，目前向所有擁有 ChatGPT 個人賬號的用戶免費開放，旨在讓高質量的科學工具觸手可及。雖然目前完全免費，但未來更高級的 AI 功能將通過付費計劃推出。這一舉措被視為 OpenAI 在科研領域的重大布局，有望終結 Overleaf 等傳統工具的統治地位，推動科學研究在 2026 年迎來類似軟件開發領域的 AI 變革。

#OpenAI #Prism #GPT-5.2 #科研工具 #LaTeX

閱讀更多：

https://openai.com/prism/

ClawdBot爆紅引發全球安全恐慌，專家緊急預警“不要裸奔”

近期，一款名為 ClawdBot 的自動化工具在科技圈一夜爆紅，用戶利用其自動清空郵箱、重建網站，被視為 AI 領域的又一重大時刻。然而，隨著熱度攀升，各大科技公司 CEO 和獨立開發者紛紛發出嚴厲預警，稱其可能引發全球性安全災難。ClawdBot 賦予了 AI 智能體極高的權限，包括讀寫文件、訪問郵箱和執行 Shell 訪問權限。獨立開發者 Burak Eregar 指出，許多用戶將 ClawdBot 部署在服務器上時，端口完全暴露在公網且缺乏身份驗證。這意味著攻擊者只需通過簡單的提示詞注入（Prompt Injection，通過輸入惡意指令誘導 AI 執行非預期操作的攻擊），即可誘導機器人刪除用戶數據甚至接管系統。已有案例顯示，該工具曾被用于竊取流媒體和銀行賬戶信息，甚至遭受來自不同 IP 的暴力破解。

針對這一危機，Prompt Security 的首席執行官 Itamar Golan 強調，成千上萬“裸奔”在公網上的 ClawdBot 相當于向黑客敞開大門，呼吁用戶立即關閉公網端口并增加認證機制。Godofprompt 聯合創始人 Robert Youssef 指出，ClawdBot 本質上屬于基礎設施而非普通消費級產品，要求用戶具備 Linux 和密鑰管理等專業知識，否則將面臨災難性風險。盡管存在 Tailscale 等工具可用于加固安全，通過建立虛擬專用網隔離風險，且 ShineOn 的首席執行官 Michael Crist 展示了如何通過一系列配置將安全等級大幅提升，但研究人員普遍認為，目前的 ClawdBot 尚不適合普通用戶使用。專家警告，將仍處于演示階段的代碼直接部署到生產環境，無異于將數字生活的鑰匙交給了不可控的“定時炸彈”，用戶必須在便利與安全之間做出審慎選擇。

#ClawdBot #AI安全 #網絡攻擊 #智能體 #提示詞注入

閱讀更多：

https://x.com/ItakGol/status/2015828732217274656

警惕“幽靈引用”與“死互聯網”：生成式AI引發科學界認知污染危機

奧斯陸大學心理學系的研究人員 Dan Quintana 近期遭遇了典型的“幽靈引用”（Ghost Citations，指AI虛構的不存在但看起來合理的文獻引用），這揭示了生成式AI正在對科學界造成嚴重的“認知污染”。這種現象并非個例，Clear Skies 公司的 Adam Day 指出，類似販毒集團的“論文工廠”正在工業化地利用AI模板批量生產偽造論文，內容涵蓋虛構的癌癥研究數據及逼真的生物醫學圖像。雖然部分荒謬的AI配圖（如“大睪丸老鼠”圖）容易被識破，但更具欺騙性的虛假數據正悄無聲息地混入數據庫。這一危機甚至蔓延至AI研究本身，頂級機器學習會議 NeurIPS 2025 的接收論文中竟發現了數百條由 AI 編造的引用。研究人員警告，這些毫無價值的數據若成為后續研究的基石，將對科學尊嚴造成不可逆的損害。

面對海量涌入的AI生成投稿，不堪重負的審稿人也被迫卷入這場“軍備競賽”，開始使用AI撰寫評審意見。Pangram Labs 分析發現，ICLR（International Conference on Learning Representations，國際學習表征會議）的投稿中，超過一半的同行評審涉及AI輔助。更荒誕的是，部分作者利用“白色密令”（在論文中隱藏肉眼不可見的指令）來操控AI審稿人給出好評，形成了“AI寫、AI審”的虛假閉環。默里州立大學的 A.J. Boston 將此現象類比為“死互聯網理論”（Dead Internet Theory，指網絡內容主要由機器人生成和互動的假說），警告科學文獻正滑向這一黑洞。隨著 arXiv 等預印本平臺被濫用，真實的科學發現可能被算法生成的垃圾淹沒，而這些垃圾數據若被用于訓練下一代模型，將導致人類知識庫被永久性污染，未來的研究人員將難以在算法堆砌的廢墟中尋找真理。

#認知污染 #幽靈引用 #AI學術造假 #死互聯網理論 #論文工廠

閱讀更多：

https://www.theatlantic.com/science/2026/01/ai-slop-science-publishing/685704/?gift=2iIN4YrefPjuvZ5d2Kh302sHLanfHX5n8bQu5AH2Vug

AI 驅動科學

Cell：受剪紙藝術啟發，北航團隊開發“電子皮膚”護航器官治療

針對復雜器官藥物遞送效率低且風險高的問題，北京航空航天大學的Lingqian Chang、Ye Xu、Yubo Fan聯合伊利諾伊大學厄巴納-香檳分校的Cunjiang Yu及香港城市大學的Xinge Yu等人，開發了一種名為POCKET的柔性生物電子器件。該技術突破了傳統藥物遞送的時空局限，實現了對不規則器官表面的精準貼合與高效藥物遞送，為保護女性生育能力及治療器官損傷提供了全新方案。

? Credit:Cell.

研究團隊受剪紙藝術啟發，提出了器官定制化剪紙共形理論（organ-conformal kirigami theory，建立幾何參數與器官曲率關系的理論），研發出四層結構的POCKET貼片。該器件利用納米電穿孔實現藥物的高效遞送。實驗顯示，通過個性化定制，POCKET能以超過95%的覆蓋率完美貼合卵巢和腎臟等復雜器官。在小鼠模型中，團隊成功將治療質粒精準遞送至卵巢表面細胞，在降低癌癥發生風險的同時，避免了對內部生殖細胞的基因干擾，從而保留了生育能力。此外，在腎臟缺血再灌注損傷模型中，該器件通過局部持續遞送藥物，有效修復了腎功能并避免了全身性副作用。研究發表在 Cell 上。

#疾病與健康 #個性化醫療 #生物電子學 #藥物遞送 #納米電穿孔

閱讀更多：

Wang, Yuqiong, et al. “An Organ-Conformal, Kirigami-Structured Bioelectronic Patch for Precise Intracellular Delivery.” Cell, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.021

給水凝膠裝上“血管”：新型合成肌肉實現空氣中快速驅動

如何讓合成材料像真正的生物肌肉一樣在空氣中靈活運動并快速響應？內布拉斯加大學林肯分校的Stephen A. Morin團隊開發了一種帶有微流體“血管”的新型合成肌肉，克服了傳統水凝膠材料依賴水環境且反應遲緩的難題，為軟體機器人和假肢技術帶來了新希望。

? 微凝膠致動器的設計與制造。Credit: Advanced Functional Materials (2025).

該研究團隊設計了一種基于水凝膠的軟致動器系統，創新性地將微小的微凝膠單元與模擬生物血管的內部微流體循環系統（microfluidic circulatory system）相結合。傳統水凝膠雖然具有良好的機械性能，但通常需要浸泡在水中才能工作，且由于水分擴散慢導致響應滯后。研究人員通過微加工技術構建了微流體通道，能夠直接向致動器內部輸送燃料和化學刺激，使其無需外部水源即可在空氣環境中運行。實驗表明，這種合成肌肉對溫度、pH值和離子濃度等刺激的響應時間縮短至30秒，并能產生強大的抓取力，能夠提起超過自身重量34倍的物體。團隊還展示了一只由該材料制成的多致動器軟體機械手，實現了可編程的復雜動作。這種集運動、控制和能量輸送于一體的集成平臺，未來有望采用更接近天然肌纖維的管狀設計，應用于精細的人機交互場景。研究發表在 Advanced Functional Materials 上。

#其他 #機器人及其進展 #軟體機器人 #材料科學 #水凝膠

閱讀更多：

Huang, Nengjian, et al. “Controlled Movement of Soft Actuators Using Multi-Responsive Microgel Arrays and Microcirculatory Systems.” Advanced Functional Materials, n/a, no. n/a, p. e21444. Wiley Online Library, https://doi.org/10.1002/adfm.202521444

小符號引發大風險：大型語言模型中的表情符號語義混淆

表情符號常被用于數字交流中表達情感，但它們可能會讓智能系統產生致命誤解。Weipeng Jiang、Xiaoyu Zhang及其同事（西安交通大學、南洋理工大學和馬薩諸塞大學阿默斯特分校）合作開展了一項研究，揭示了大型語言模型在處理包含ASCII表情符號的指令時存在嚴重的安全漏洞。研究發現，模型容易將情感符號誤讀為代碼邏輯，從而執行非預期的、甚至是破壞性的操作。

? LLM 可能會將人類用來表達情感的表情符號作為指令的一部分，最終導致災難性后果（例如關鍵數據丟失）。Credit: Jiang et al.

研究團隊開發了一套自動化測試流程，構建了包含3,757個編程測試用例的數據集，涵蓋多種編程語言及應用場景。他們測試了包括Claude-Haiku-4.5、Gemini-2.5-Flash和GPT-4.1-mini在內的六種先進模型。研究主要關注“表情符號語義混淆”（Emoticon Semantic Confusion），即模型無法區分用于表達情感的ASCII字符組合與實際代碼操作符。例如，用戶在指令末尾加上波浪號 `~` 表示輕松的語氣，模型卻將其解析為Unix系統中的“主目錄”，導致本應刪除臨時文件夾的操作變成了刪除整個用戶目錄。測試結果顯示，這種混淆現象普遍存在，平均發生率超過38%。更危險的是，超過90%的錯誤屬于“靜默失敗”（Silent Failures），即生成的代碼在語法上完全正確且能運行，但執行的卻是錯誤甚至有害的指令，用戶難以通過常規檢查發現。

#神經科學 #神經機制與腦功能解析 #技術創新 #單神經元重建 #全腦成像

閱讀更多：

Jiang, Weipeng, et al. “Small Symbols, Big Risks: Exploring Emoticon Semantic Confusion in Large Language Models.” arXiv:2601.07885, arXiv, 12 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.07885

基于物理學訓練的基礎人工智能模型正在推動科學發現

當今流行的AI模型多依賴文本或圖像，而Polymathic AI合作組織（包括劍橋大學 等機構的研究人員）正在開辟一條新路徑：利用真實科學數據訓練懂物理的AI。由Michael McCabe等人開發的Walrus和AION-1模型，不僅學習特定場景，更致力于掌握物理過程的底層基礎，使從一個領域習得的知識能跨越學科界限，應用于解決看似毫無關聯的科學難題，從而大幅加速科學發現。

? Walrus 是一款現代 Transformer 模型，它融合了新型穩定技術和最新的自適應計算方法，能夠從高度多樣化的物理動力學數據集中學習。Walrus 以一小段快照序列作為輸入，并預測序列中的下一步。Credit: arXiv (2025).

該研究團隊針對物理模擬中的挑戰，開發了名為Walrus的基礎模型，專注于處理流體及類流體系統。Walrus利用一個名為“The Well”的巨型數據集進行訓練，該數據集由Polymathic AI團隊構建，包含流體動力學中19種不同場景和63個不同領域的15TB數據。為了解決物理數據的高度異質性和長視界預測的不穩定性，團隊引入了塊抖動（Patch jittering，一種源自諧波分析的輕量級程序以減少長期誤差）、2D數據增強至3D空間以及自適應計算標記化（Adaptive-compute Tokenization，根據分辨率或復雜度動態分配算力）等創新技術。實驗結果顯示，Walrus在處理從中子星合并到地球大氣層分層等廣泛物理系統時，其短期和長期預測能力均優于現有的基礎模型。與此同時，針對天文學開發的AION-1模型，基于斯隆數字巡天（SDSS）等項目的海量觀測數據，能夠從低分辨率圖像中推斷出天體的詳細物理信息。這些模型如同通用的物理模擬器，讓科學家無需從頭構建流程即可獲得高精度的預測結果。

#AI 驅動科學 #計算模型與人工智能模擬 #物理模擬 #基礎模型 #流體動力學

閱讀更多：

McCabe, Michael, et al. “Walrus: A Cross-Domain Foundation Model for Continuum Dynamics.” arXiv:2511.15684, arXiv, 19 Nov. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2511.15684

KAIST開發通用AI適配器：無視架構差異高效傳遞知識

面對AI模型更新換代帶來的高昂重訓成本，Hyunwoo J. Kim及其團隊（韓國科學技術院 ）與韓國大學合作，開發了一種名為“TransMiter”的新技術。該技術成功解決了不同結構和規模的AI模型之間難以共享知識的難題，實現了無需從頭訓練即可將“弱”模型學到的專業知識高效“移植”給“強”模型，為AI模型的快速迭代和低成本更新提供了新方案。

? TransMiter：一種可遷移的自適應技術，可重復使用，不受模型結構、大小等因素的影響。Credit: arXiv (2025).

這項研究針對的是視覺語言模型，即能夠同時理解圖像和文本的多模態AI。傳統的模型適應方法在面對架構變化時往往束手無策，或者需要消耗巨大的計算資源。研究團隊提出的“TransMiter”是一種可遷移的自適應技術，其核心在于不改變AI復雜的內部結構，而是通過觀察和學習模型對相同問題的預測結果來提取“訣竅”。具體而言，該方法利用輔助類別擴展（auxiliary class expansion）和基底變換等數學方法，在無監督的情況下捕捉新舊模型之間的知識差異。這種方法不需要進行復雜的反向傳播，就像給模型打上“知識補丁”一樣，能夠即時生效且幾乎不降低運行速度。實驗表明，這種技術不僅能跨越模型架構的障礙精確傳遞知識，在結合少量標記數據后，其性能甚至超越了經過全面微調的更大模型。

#大模型技術 #計算模型與人工智能模擬 #知識遷移 #視覺語言模型 #TransMiter

閱讀更多：

Park, Jihwan, et al. “Transferable Model-Agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization.” arXiv:2508.08604, arXiv, 17 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2508.08604

拒絕盲目自動化：人機協作才是企業競爭力的護城河

隨著人工智能技術的飛速發展，企業界對于是用機器人取代人類員工以削減成本，還是通過人機協作來增強能力的爭論日益激烈。Chou-Yu Tsai、Jason D. Marshall和Rory Eckardt等人（賓漢頓大學、克瑞頓大學等）組成的跨學科研究團隊，針對這一關鍵問題進行了深入探索，旨在揭示人機互動如何影響組織的長期競爭優勢。

? 人力資本機器人整合（HCRI）框架。Credit: Journal of Organizational Behavior (2025).

該研究并沒有局限于單一的效率指標，而是開發了一個名為人力資本機器人整合（Human Capital Robotic Integration, HCRI）的多層次理論框架。研究人員對比了兩種核心觀點：將機器人視為勞動力的替代視角和將其視為合作伙伴的互補視角。結果發現，雖然用機器人取代人類可以短期提升效率，但這種策略很容易被競爭對手復制，從而導致企業失去獨特的競爭優勢。相反，采取互補視角，讓機器人處理復雜數據分析或輔助精細操作（如手術機器人），不僅能放大人類員工的能力，還能通過改變社會動力學增強團隊的凝聚力和忠誠度。這種將現有人力轉化為難以模仿的資源的過程，才是企業在激烈市場中獲取更大價值份額的關鍵。研究強調，剝奪員工具有自主性和意義的任務可能會損害心理健康及效率，因此企業應更關注技術如何加強團隊協作而非單純的崗位替代。研究發表在 Journal of Organizational Behavior 上。

#認知科學 #機器人及其進展 #跨學科整合 #人機協作

閱讀更多：

Tsai, Chou-Yu, et al. “Human Capital Robotic Integration and Value Creation for Organizations.” Journal of Organizational Behavior, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1002/job.70044. Accessed 28 Jan. 2026

基于“觀念運動理論”的下一代腦機接口，讓AI直接讀懂你的目標

傳統的腦機接口要求癱瘓患者在大腦中費力地模擬具體的肌肉運動指令，這不僅認知負擔重，且缺乏真實的“掌控感”。Christian Beste團隊（德國德累斯頓工業大學）聯合阿姆斯特丹自由大學和京都大學的研究人員，提出了一種顛覆性的設計范式。他們結合經典的心理學理論與最新的AI技術，構建了一種能夠直接解讀用戶“預期目標”而非“動作細節”的自適應系統，旨在實現更自然、高效的人機交互。

該研究基于“觀念運動理論”（Ideomotor Theory），認為人類的隨意運動是由對“預期感覺結果”的激活所驅動的。研究團隊提出，下一代腦機接口不應局限于解碼運動皮層的肌肉指令，而應聚焦于感覺與頂葉皮層，直接解碼大腦中關于“目標狀態”（例如“手中握著蘋果”的視覺或觸覺預期）的信號。為了實現這一動作，系統引入了類似強化學習中的“世界模型”作為AI中介。在這個分層架構中，用戶的大腦僅需產生高層的“意圖”，而AI代理則負責在復雜的環境中規劃最佳路徑并執行具體的機械動作。這種設計不僅大幅降低了用戶的學習成本，還能適應不同的外部設備。現有證據顯示，即便是截肢患者，其大腦中關于身體部位的感覺表征依然可以通過深度學習技術進行重建，證實了該路徑的可行性。研究發表在 Trends in Cognitive Sciences 上。

#意識與腦機接口 #腦機接口 #觀念運動理論 #世界模型 #生成式AI

閱讀更多：

Beste, Christian, et al. “Moving Intentions from Brains to Machines.” Trends in Cognitive Sciences, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.tics.2025.12.003

把腦電“藏”到耳后：超薄透氣貼片實現高效腦機交互

如何讓腦機接口像貼創可貼一樣簡單舒適？北京理工大學的Ying Sun、Weijia Liu及Guozhen Shen團隊開發了一種超薄、透氣的多通道耳后貼片，成功解決了傳統腦電監測設備笨重、依賴導電凝膠的痛點。該研究通過工程化設計，在不犧牲信號質量的前提下，實現了對日常腦電活動的長時間穩定監測和基于意念的外部設備控制。

該團隊采用直接注射打印技術，利用具有高導電性和親水性的MXene（二維過渡金屬碳/氮化物）材料制備干電極，構建了一種厚度僅約188.3微米的耳-計算機接口貼片。這種貼片具有優異的透氣性和皮膚粘附性，即使在運動或長時間佩戴（10小時）后，仍能保持低阻抗和穩定的信號傳輸。在功能驗證中，該貼片展現了驚人的準確性：在長達65分鐘的疲勞誘發實驗中，其對疲勞狀態的識別準確率達到90.5%；在穩態視覺誘發電位（SSVEP）腦機接口任務中，受試者僅憑注視不同頻率的閃爍目標，就能以93.5%的在線平均準確率發出指令，成功控制無人車完成復雜的路徑行駛。這項工作將腦電監測從實驗室推向了更輕量化的日常應用場景。研究發表在 Science Bulletin 上。

#意識與腦機接口 #腦機接口 #柔性電子 #MXene

閱讀更多：

Sun, Ying, et al. “An Ultrasoft, Breathable, and Multichannel Ear-Computer Interface Patch.” Science Bulletin, Jan. 2026. ScienceDirect, https://doi.org/10.1016/j.scib.2025.12.042

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。

研究院在華山醫院、上海市精神衛生中心分別設立了應用神經技術前沿實驗室、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系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、、科普視頻媒體「大圓鏡」等。