追問daily | 到大自然里走走，大腦真的會改變；運動時聽音樂未必能提升專注力或改善情緒

█ 腦科學動態

Nature：“超級老人”的記憶秘訣：大腦持續新生神經元以對抗衰老

Science：人類為何會得流感？

唐氏綜合征大腦發育圖譜問世：三大關鍵基因及其調控潛力

大腦的“谷歌地球”：4D圖譜揭示大腦的生長發育信息

普通能量分子乙酸鹽竟能選擇性提升女性記憶力

抗生素可通過調理腸道菌群修復受損大腦

壓力大、注意力不集中？到大自然里走走，大腦真的會改變

別只盯著焦慮：氣候危機讓青少年感到憤怒與背叛

運動聽音樂未必能提升專注力或改善情緒

腦體節律層級系統塑造主觀時間感

█ AI行業動態

谷歌Nano Banana 2刷屏：Pro級畫質白菜價

AI開始自己寫AI算法，新算法已吊打現有模型

取代初級科學家？AI正在重塑科研就業市場，實驗崗位暫時安全

█ AI驅動科學

DeepSeek 聯手清北發布 DualPath，打破大模型推理存儲墻

具身神經形態智能：邁向更高效、更自主的機器人未來

AI智能體不是越多越強：信息冗余構成了LLM規模效應的瓶頸

聊天機器人過度強調社會人口統計學刻板印象

機器善辨假圖，人類更識偽片

讓電極對超聲波“隱身”，實現讀寫交互雙重視野

像人類團隊一樣思考與分工：智能體AI重塑生物醫學發現流程

MAPLE架構：通過解耦記憶、學習與個性化提升AI智能體適應性

機器意識評估新視角：超越計算等效性的行為推理原則

腦科學動態

Nature：“超級老人”的記憶秘訣：大腦持續新生神經元以對抗衰老

成人大腦能否新生神經元，及其與阿爾茨海默病的關系長期存在爭議。伊利諾伊大學芝加哥分校和中國科學院分子細胞科學卓越創新中心的Ahmed Disouky、Orly Lazarov等人，通過對人類海馬體的單細胞多組學分析，證實了成人神經發生的存在，并首次描繪了其分子調控圖譜，揭示了該過程在阿爾茨海默病中的早期紊亂，以及“超級老人”大腦中獨特的認知韌性特征。

研究團隊采用單細胞核RNA測序和單細胞核ATAC測序兩種前沿技術，分析了來自年輕成人、健康老人、超級老人（80歲以上但記憶力與中年人相當的個體）、臨床前阿爾茨海默病患者和確診患者五組人群的超過35萬個海馬體細胞核。研究證實，成人海馬體中存在從神經干細胞到成熟神經元的完整發育路徑。在阿爾茨海默病患者大腦中，這條神經元“生產線”在早期就出現了“堵塞”：盡管源頭的干細胞數量增多，但下游的未成熟神經元數量卻顯著減少。更關鍵的發現是，這種功能障礙首先體現在表觀遺傳層面，即染色質可及性的改變，這比基因表達的顯著變化發生得更早。與之形成鮮明對比的是，超級老人的大腦中未成熟神經元數量更多，并擁有一套獨特的“韌性特征”，其穩定的基因調控程序可能幫助他們抵御了認知衰退。研究發表在 Nature 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #神經發生

閱讀更多：

Disouky, Ahmed, et al. “Human Hippocampal Neurogenesis in Adulthood, Ageing and Alzheimer’s Disease.” Nature, Feb. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10169-4

Science：人類為何會得流感？浙江大學于曉方團隊破解流感病毒跨物種感染人類的關鍵機制

禽流感病毒如何突破人體屏障感染人類，進而引發大流行？浙江大學的于曉方團隊與吉林大學的魏偉團隊合作，揭示了人體內一道關鍵的天然防線，并闡明了流感病毒突破該防線的分子機制。該研究由葉潤鑫、王松狄、胡贏等人共同完成。

研究團隊發現，人體內的干擾素基因刺激因子蛋白是抵抗禽流感病毒的一道關鍵屏障。當病毒入侵時，STING蛋白通過其特定的氨基酸位點被激活，進而啟動核因子κB（NF-κB）信號通路，并誘導下游一個名為GADD34的抗病毒蛋白表達，從而有效抑制病毒在人體細胞內的復制。然而，研究人員通過序列比對發現，能夠感染人類的流感病毒發生了一個“狡猾”的進化：其基質蛋白1（M1）的第115位氨基酸由纈氨酸突變成了異亮氨酸。這個看似微小的改變，卻賦予了M1蛋白特異性結合并“關閉”人類STING蛋白的能力，使得病毒能夠成功規避這道防線，在人體內高效復制。這一發現不僅揭示了流感病毒跨物種傳播的核心機制，也指出M1蛋白的115位突變可作為預測禽流感大流行風險的分子標記。研究發表在 Science 上。

#疾病與健康 #疾病預防 #先天免疫 #病毒跨物種傳播

閱讀更多：

Ye, Runxin, et al. “STING–NF-κB Signaling Builds an Influenza Spillover Barrier.” Science, vol. 391, no. 6788, Feb. 2026, p. eads4405. science.org (Atypon), https://doi.org/10.1126/science.ads4405

唐氏綜合征大腦發育圖譜問世：揭示三大關鍵基因及其調控潛力

長期以來，導致唐氏綜合征智力障礙的分子機制一直是個“黑匣子”。杜克-新加坡國立大學醫學院的Vincenzo De Paola、倫敦帝國理工學院的Michael Lattke及其合作團隊，通過構建首個高分辨率的唐氏綜合征胎兒大腦皮層發育單細胞圖譜，成功識別出三個關鍵的主調控基因，并初步證實了其活性是可調控的。

? 健康胎兒（CON）和唐氏綜合征（DS）胎兒腦組織中不同細胞類型的顯微圖像。綠色細胞代表一種在唐氏綜合征患者中顯著減少的神經元。Credit: Michael Lattke

研究團隊利用先進的單細胞測序技術，分析了來自唐氏綜合征和健康胎兒大腦皮層的約25萬個細胞，繪制了詳盡的基因調控圖譜。分析發現，在唐氏綜合征胎兒腦中，21號染色體上三個名為BACH1、PKNOX1和GABPA的轉錄因子因染色體多出一條而過度活躍，如同“過于強勢的指揮官”，擾亂了大腦中數百個與學習記憶相關基因的正常活動，并導致特定類型的興奮性神經元數量減少。更關鍵的是，研究團隊在實驗室培養的人類神經祖細胞中，使用反義寡核苷酸技術成功“調低”了這三個基因的活性，觀察到下游基因的表達紊亂得到了部分糾正。這項發現不僅揭示了唐氏綜合征神經發育異常的核心機制，也為未來開發靶向治療提供了概念驗證。研究發表在 Nature Medicine 上。

#疾病與健康 #神經機制與腦功能解析 #唐氏綜合征 #基因調控 #單細胞測序

閱讀更多：

Lattke, Michael, et al. “Single-Cell Atlas of the Developing Down Syndrome Brain Cortex.” Nature Medicine, Jan. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41591-026-04211-1

大腦的“谷歌地球”：4D圖譜揭示大腦的生長發育信息

為了解決現有腦圖譜無法展現大腦連續發育過程的難題，奧斯陸大學的Harry Carey、Heidi Kleven及同事開發了名為DeMBA的首個4D小鼠腦圖譜。這一“大腦谷歌地球”整合了時間維度，能夠以前所未有的精度追蹤大腦從出生后到成年的動態變化，為理解孤獨癥、精神分裂癥等神經發育障礙提供了關鍵工具。

? 使用 DeMBA 及相關軟件。Credit: Nature Communications (2025).

研究團隊整合了6個不同發育時間點（出生后第4天至第56天）的公開小鼠腦3D圖像模板。他們利用三維配準（3D-to-3D registration）技術對齊這些模板，并通過算法插值，生成了覆蓋出生后第4天到第56天、共53個年齡階段的連續動態模型，從而構建了DeMBA（發育期小鼠腦圖譜，Developmental Mouse Brain Atlas）。這個四維圖譜不僅提供了大腦結構的三維視圖，更加入了時間這一關鍵維度，用戶可以像播放電影一樣觀察大腦的生長過程。團隊還開發了軟件包，允許研究者在不同年齡階段間轉換和比較數據。這一工具如同大腦研究的“時光機”，能幫助科學家將數據精確定位到相應的發育階段，極大地提高了研究的精確性，對于研究孤獨癥、精神分裂癥和注意力缺陷多動障礙等神經發育障礙尤其重要。研究發表在 Nature Communications 上。

#神經科學 #神經機制與腦功能解析 #自動化科研 #4D腦圖譜

閱讀更多：

Carey, Harry, et al. “DeMBA: A Developmental Atlas for Navigating the Mouse Brain in Space and Time.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 8108. www.nature.com, https://doi.org/10.1038/s41467-025-63177-9

普通能量分子乙酸鹽竟能選擇性提升女性記憶力

我們身體代謝產生的能量分子如何直接影響記憶力？美國一個科學家團隊，包括Erica M. Periandri和Gabor Egervari等研究人員，發現一種簡單的代謝物乙酸鹽（acetate）能顯著增強雌性小鼠的長期記憶。這項研究揭示了新陳代謝、表觀遺傳與認知功能之間存在深刻的性別特異性聯系。

? 乙酸鹽有助于長期記憶。Credit: Science Signaling (2026).

研究團隊通過給成年小鼠注射乙酸鹽，并對其進行新物體位置等一系列記憶測試。結果顯示，接受乙酸鹽注射的雌性小鼠在記憶任務中表現明顯優于對照組，而雄性小鼠的記憶力提升則不顯著。為探究其背后的神經機制，研究人員聚焦于大腦的記憶中樞——背側海馬。他們發現，在雌性小鼠中，乙酸鹽能夠特異性地增加一種名為H2A.Z的組蛋白的乙酰化水平。這種表觀遺傳修飾使得包裹基因的染色質結構變得更加松散，從而“解鎖”了與學習記憶密切相關的基因（如Nr4a3和Ptgs2），使其表達水平顯著提高。值得注意的是，這些分子層面的變化在雄性小鼠大腦中并未發生，這解釋了記憶增強效應的性別差異。該發現為理解女性更易受阿爾茨海默病等認知衰退疾病影響提供了新視角，并提示乙酸鹽或許能成為一種針對女性的非侵入性記憶增強療法。研究發表在 Science Signaling 上。

#疾病與健康 #神經機制與腦功能解析 #記憶機制 #表觀遺傳學

閱讀更多：

“Acetate Enhances Long-Term Memory in Female Mice by Sex-, Context-, and Brain Region–Specific Epigenetic and Transcriptional Remodeling.” Science Signaling. www.science.org, https://www.science.org/doi/10.1126/scisignal.aec0496. Accessed 27 Feb. 2026

抗生素可通過調理腸道菌群修復受損大腦

創傷性腦損傷（TBI）后的恢復過程復雜，其引發的腸道菌群失衡如何影響大腦健康備受關注。休斯頓衛理公會醫院的Sonia Villapol及其團隊通過動物模型研究發現，短期抗生素治療能夠通過重塑腸道菌群，顯著減輕腦損傷后的神經炎癥和神經退行性變，為TBI治療提供了新思路。

? Credit: Communications Biology (2026).

研究團隊對遭受腦損傷的小鼠進行了短期口服抗生素治療，發現該療法有效減小了大腦病灶體積、限制了細胞死亡，并顯著抑制了小膠質細胞和巨噬細胞的活化，降低了促炎細胞因子水平。長讀長宏基因組測序進一步揭示，抗生素清除了大部分有害細菌后，兩種有益菌——人副桿菌（Parasutterella excrementihominis）和約翰遜乳桿菌（Lactobacillus johnsonii）——得以存留并可能在促進細胞修復、調節免疫中扮演關鍵角色。有趣的是，研究人員觀察到無菌小鼠在腦損傷后恢復情況更差，這表明腸道菌群的存在對大腦修復至關重要。此外，該療法的保護機制并非通過短鏈脂肪酸介導，暗示了存在其他腸-腦通訊通路。研究發表在 Communications Biology 上。

#疾病與健康 #神經機制與腦功能解析 #腸道微生物 #腦-腸軸

閱讀更多：

Flinn, Hannah, et al. “Antibiotic-Induced Gut Microbiome Remodeling Reduces Neuroinflammation in Traumatic Brain Injury.” Communications Biology, Feb. 2026. www.nature.com, https://doi.org/10.1038/s42003-026-09737-1

壓力大、注意力不集中？到大自然里走走，大腦真的會改變

親近自然為何能舒緩身心？其背后的大腦機制尚不明確。為了系統性地解答這一問題，麥吉爾大學的Mar Estarellas和智利阿道夫·伊瓦涅斯大學的Constanza Baquedano等人，綜合分析了108項腦成像研究。他們發現，大腦對自然的反應呈現出一種級聯模式，為“自然療法”提供了清晰的神經科學證據。

該研究是一項大規模的范圍綜述，系統地整合了來自腦電圖（EEG）、功能磁共振成像（fMRI）等多種技術的研究成果。分析揭示，當人置身自然時，大腦會啟動一個四步走的“平靜程序”：首先，感官負荷降低，因為自然界的分形圖案比城市的人工環境更易于大腦處理；接著，壓力系統隨之穩定，負責恐懼和應激反應的杏仁核活動減弱，心率放緩；隨后，大腦的注意力網絡得到恢復，從緊張的任務導向模式切換到放松的恢復模式；最后，與自我反思和胡思亂想相關的默認模式網絡活動減少，內心歸于平靜。研究還指出，即使是短短三分鐘的自然接觸也能產生效果，但更長時間、更沉浸的體驗益處更顯著。這些發現不僅為綠色城市設計和醫生開具“自然處方”提供了科學支持，也強調了環境保護與個人心理健康的緊密聯系。研究發表在 Neuroscience & Biobehavioral Reviews 上。

#疾病與健康 #神經機制與腦功能解析 #心理健康與精神疾病 #跨學科整合

閱讀更多：

Baquedano, Constanza, et al. “Your Brain on Nature: A Scoping Review of the Neuroscience of Nature Exposure.” Neuroscience & Biobehavioral Reviews, vol. 183, Apr. 2026, p. 106565. ScienceDirect, https://doi.org/10.1016/j.neubiorev.2026.106565

別只盯著焦慮：氣候危機讓青少年感到憤怒與背叛

氣候危機如何重塑年輕一代的內心世界？西蒙弗雷澤大學的 Judy Wu 和 Maya Gislason 等人通過研究發現，兒童和青少年面對氣候變化時產生的情緒遠比“生態焦慮”復雜得多。除了焦慮，他們還深陷憤怒、背叛感和無力感之中，但研究也指出，積極的社區行動能為他們帶來新的希望。

研究團隊對48項涉及19歲以下人群的國際定性研究進行了快速綜述，旨在捕捉單純的問卷調查無法體現的情緒細微差別。結果顯示，除了常被提及的生態焦慮（eco-anxiety），青少年還普遍表現出對他人的憤怒、對未來的無助感（即生態癱瘓， eco-paralysis）以及因從事不環保行為產生的內疚。特別是原住民青年和生活在受災地區的青少年，更多報告的是氣候變化對當下生活的直接沖擊，而非僅是對未來的恐懼。研究指出，許多年輕人在能夠用自己的語言描述經歷時，更容易流露對成年人或系統不作為的憤怒與背叛感。關鍵發現是，參與以環境為主題的教育和社區活動能有效將負面情緒轉化為希望和集體韌性，幫助青少年建立社會聯系并重獲掌控感。研究發表在 Journal of Environmental Psychology 上。

#疾病與健康 #心理健康與精神疾病 #氣候變化 #生態情緒 #青少年發展

閱讀更多：

Wu, Judy, et al. “Eco-Emotions in Children and Adolescents: A Rapid Review of the Qualitative Literature.” Journal of Environmental Psychology, Dec. 2025, p. 102894. ScienceDirect, https://doi.org/10.1016/j.jenvp.2025.102894

運動聽音樂未必能提升專注力或改善情緒

人們普遍認為音樂是運動的“助推劑”，能提升表現和心情。為驗證這一觀點，來自于韋斯屈萊大學音樂、身心與大腦卓越中心的研究人員 Andrew Danso 及其同事，聯合因斯布魯克大學等機構的團隊，對現有實驗證據進行了深入的系統性審查。他們發現，音樂的實際效果可能并不像大眾預期的那樣普遍或一致。

該研究對10項符合標準的實驗進行了系統綜述和薈萃分析，重點考察了音樂在急性運動期間對執行功能以及情感反應的影響。研究分析了涵蓋21個干預組的數據，結果顯示音樂對認知或情緒結果并沒有產生一致的顯著影響。研究發現結果高度依賴于具體情境。特別是在高強度運動和老年參與者樣本中，音樂的效應往往較弱甚至可以忽略不計。數據表明，隨著運動強度的增加，音樂帶來的效應量呈下降趨勢。研究負責人 Andrew Danso 指出，音樂并非改善運動體驗的“萬能藥”，其效果受運動情境、強度和人群差異的顯著影響。這表明此前關于音樂在運動中益處的籠統主張缺乏足夠的證據支持。研究發表在 Frontiers in Psychology 上。

#認知科學 #神經機制與腦功能解析 #運動心理學 #音樂與大腦

閱讀更多：

Danso, Andrew, et al. “Does Music Support Executive Functions and Affective Responses during Acute Exercise? A Systematic Review and Meta-Analysis.” Frontiers in Psychology, vol. 16, Jan. 2026. Frontiers, https://doi.org/10.3389/fpsyg.2025.1714707

腦體節律層級系統塑造主觀時間感

為何快樂的時光總是短暫，而痛苦的等待卻顯得漫長？Gy?rgy Buzsáki 在一項新發表的觀點文章中指出，主觀時間感并非源于對物理時間的被動記錄，而是由大腦和身體內部的節律層級系統共同構建的。這一研究挑戰了傳統的時間感知模型，提出時間體驗本質上是對身體和神經回路“變化”的度量，強調了時間感知的具身性特征。

在這篇綜述中，作者指出物理時間的線性流動與主觀體驗的可變性存在張力。研究運用韋伯-費希納定律（Weber-Fechner law）解釋了大腦對時間的對數尺度編碼，即我們對時間長短的辨別力取決于持續時間的比例而非絕對差值。Buzsáki 提出了一個核心機制：跨頻率相位-振幅耦合，即慢速的腦體節律（如呼吸、心跳對應的超慢波）的相位會調節快速腦波（如伽馬波）的振幅。這種層級化的“節律套娃”結構，使得大腦能夠整合不同時間尺度的信息。此外，研究強調了內感受的關鍵作用，即源自心跳、呼吸和胃腸蠕動等自主生理信號的輸入，不斷校準大腦的節律活動，從而產生了“度日如年”或“時光飛逝”的主觀體驗。這一觀點將時間感知從抽象的神經計算拉回到了具體的生理過程中。研究發表在 Nature Reviews Neuroscience 上。

#認知科學 #神經機制與腦功能解析 #生理心理學 #時間感知

閱讀更多：

Buzsáki, Gy?rgy. “Time, Space, Memory and Brain–Body Rhythms.” Nature Reviews Neuroscience, vol. 27, no. 1, Jan. 2026, pp. 61–78. www.nature.com, https://doi.org/10.1038/s41583-025-00987-2

AI 行業動態

谷歌Nano Banana 2刷屏：Pro級畫質白菜價

谷歌近日正式發布了備受期待的圖像生成模型Nano Banana 2，首席執行官皮查伊稱其為“迄今為止最好的圖像模型”。此次升級的核心并非單純的畫質提升，而是模型能力的結構性變革。它深度融合了Gemini對世界的深度理解，并能調用實時網頁搜索獲取信息，從而生成高保真且反映實時狀況的圖像，例如根據用戶指定位置實時生成帶有當地天氣的“窗邊景色”。模型在復雜文本生成、多主體一致性保持（最多5個角色和14個物體）、指令遵循以及對復雜構圖（如分鏡、圖表）的理解能力上均有顯著進步，速度也大幅提升，生成4K圖像用時不到一分鐘。

在定價策略上，Nano Banana 2展現出極大的市場競爭力，實現了“Pro級質量，Flash級價格”，圖像生成成本比Pro版本降低25-50%，文本token成本降低70-80%。這一舉措被解讀為谷歌正將頂尖圖像生成能力系統性地推向高頻生產基礎設施，例如Google Ads已開始接入該能力，預示著AI圖像生成將正式進入廣告生產流程。社區實測中，模型展現出從生成書籍內頁、模仿筆跡到創建全景網站甚至CAD圖紙的多樣化潛力，盡管在生成時鐘等精細元素上偶有失誤，但其整體能力和性價比已引發關于設計師等創意職業未來的廣泛討論。

#NanoBanana2 #谷歌AI #圖像生成 #AI模型 #Gemini

閱讀更多：

https://blog.google/innovation-and-ai/technology/ai/nano-banana-2/

AI開始自己寫AI算法，新算法已吊打現有模型

多智能體強化學習（MARL）在不完全信息博弈中取得的突破，很大程度上依賴于研究人員對核心算法的反復手動調優。即使是基于堅實理論基礎的反事實后悔最小化（CFR）和策略空間響應預言機（PSRO）等算法家族，其最有效的變體也往往源自人類的直覺與試錯。Google DeepMind的研究團隊利用大語言模型驅動的進化編碼智能體AlphaEvolve，實現了算法設計過程的自動化。該框架將算法源代碼視為“基因組”，通過LLM執行智能變異操作——重寫邏輯、引入新控制流、注入創新符號運算，從而在廣闊的算法設計空間中進行語義層面的搜索，而非簡單的參數調優。

該框架在兩大博弈論學習范式下展現了其通用性與強大能力。在迭代后悔最小化領域，團隊演化出一種名為波動率自適應折扣CFR（VAD-CFR）的新算法。它引入了波動率敏感貼現、一致性強制樂觀等非直觀機制，在多個博弈基準測試中超越了當前最先進的基線方法。在基于種群的訓練領域，團隊則發現了平滑混合樂觀遺憾PSRO（SHOR-PSRO）。這一新變體通過動態混合基于遺憾的求解器與貪婪策略，并自動調節混合因子，實現了從訓練初期鼓勵種群多樣性到后期聚焦于嚴格均衡求解的平滑過渡，顯著提升了算法的收斂速度與魯棒性。這項工作標志著博弈論求解器的未來或將由人類智慧與人工智能驅動的洞察共同塑造。

#AlphaEvolve #多智能體強化學習 #博弈論 #算法自動發現 #大語言模型

閱讀更多：

https://arxiv.org/abs/2602.16928

取代初級科學家？AI正在重塑科研就業市場，實驗崗位暫時安全

人工智能的浪潮正席卷各行各業，科研領域也難以置身事外。據Nature最新調查，AI的崛起已經開始減少對能編寫代碼或進行基礎數據分析的人類研究人員的需求，這些工作通常由研究生、博士后或沒有研究生學歷的科研人員承擔。麻省理工學院的機械工程師趙選賀指出，在計算機建模等領域，基礎性崗位的淘汰正在發生，因為AI在這些方面比入門級科學家做得更好。例如，斯坦福大學的計算生物學家布萊恩·希認為，過去實驗室里負責編寫代碼包的研究程序員崗位如今已變得過時。威斯康星大學麥迪遜分校的計算生物學家漢娜·韋門特-斯蒂爾坦言，若在五年前建實驗室，她會考慮雇傭研究程序員，但現在AI已能勝任繁重的編碼工作，她不再有此需求。這種影響也體現在就業數據上，美國翻譯協會科學技術部門的成員數量在不到兩年半內下降了26%，部分科學翻譯甚至轉而從事送餐服務。

然而，這并非意味著所有科學工作都將被取代。多數研究人員認為，AI目前還無法完成更高層次的科研任務，例如提出原創性的研究思路。倫敦大學學院的量子物理學家喬納森·奧本海姆雖使用AI生成論文的模擬評審意見，但認為AI“無法真正提出新穎的想法”。相較而言，從事“濕實驗”的實驗室技術員和早期職業研究人員暫時更為安全，因為由AI和機器人驅動的自動化實驗室在許多任務上仍力不從心，且難以解讀實驗結果。二月份一項關于結構生物學的研究預印本也佐證了這一點：盡管AI工具AlphaFold2能高置信度預測大量蛋白質結構，但耗時費力的手動實驗方法仍在被用于研究AI難以把握的蛋白質，顯示出人類在特定領域的“比較優勢”。

#AI科研影響 #科學就業 #自動化風險 #實驗科學家 #未來工作

閱讀更多：

https://www.nature.com/articles/d41586-026-00444-9

AI 驅動科學

DeepSeek 聯手清北發布 DualPath，打破大模型推理存儲墻

在智能體工作負載成為主流的背景下，多輪交互累積的長上下文使得大模型推理的瓶頸從計算能力轉移到了存儲帶寬。針對預填充階段存儲I/O壓力過大這一痛點，DeepSeek聯合北京大學和清華大學的研究團隊，包括 Yongtong Wu、Shaoyuan Chen、Yinmin Zhong 等人，提出了一種創新的推理架構。該研究旨在解決現有架構中帶寬利用極度不平衡的問題，通過優化數據加載路徑，顯著提升了大語言模型在處理復雜智能體任務時的效率。

DeepSeek團隊提出的名為DualPath的系統，核心創新在于引入了雙路徑KV-Cache加載機制。傳統的預填充-解碼分離（PD-disaggregated）架構中，數據僅通過預填充引擎加載，導致其網卡過載而解碼引擎網卡閑置。DualPath允許數據先加載至解碼引擎，再通過遠程直接數據存取（RDMA）技術經由計算網絡傳輸至預填充引擎，從而將所有引擎的存儲網卡聚合成一個全局資源池。此外，系統還采用了以計算網卡為中心的流量管理和自適應請求調度策略，確保大規模數據傳輸不干擾延遲敏感型的模型推理任務。在包含1152個GPU的生產集群上的測試結果顯示，DualPath在離線推理場景中將吞吐量提升了1.87倍，在在線服務場景下提升了1.96倍，有效突破了單節點I/O限制。

#大模型技術 #機器人及其進展 #高性能計算 #推理優化 #存儲帶寬

閱讀更多：

Wu, Yongtong, et al. “DualPath: Breaking the Storage Bandwidth Bottleneck in Agentic LLM Inference.” arXiv:2602.21548, arXiv, 26 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.21548

具身神經形態智能：邁向更高效、更自主的機器人未來

設計能夠在非結構化環境中自主交互并展現復雜行為的機器人，始終是工程學的一大難題。Chiara Bartolozzi、Giacomo Indiveri 和 Elisa Donati 組成的研究團隊指出，理解生物體適應環境的機制是解決這一問題的關鍵。他們通過系統綜述，探討了如何利用神經形態工程技術，從感知到運動控制全方位賦能機器人，使其具備低功耗、高效率的“具身神經形態智能”，從而不僅限于受控環境下的重復操作，更能無縫融入人類社會。

該研究對比了傳統機器人與生物系統的差異，指出傳統方法依賴高功耗的計算和冗余控制，難以應對現實世界的動態變化。團隊提出了一種基于“神經計算基元”的框架，主張采用事件驅動的感知方式，例如動態視覺傳感器，它只在場景發生變化時產生信號，而非像傳統相機那樣記錄靜態幀，從而極大降低了數據處理量和延遲。研究還探討了利用脈沖神經網絡（SNN）和贏者通吃（Winner-Take-All）網絡等計算基元來實現機器人的決策與運動控制。這種端到端的神經形態方法不僅能大幅降低能耗和硬件體積，還能賦予機器人類似生物的實時適應能力。研究人員同時指出了當前面臨的挑戰，如缺乏標準化的通信協議和基準測試，并呼吁神經科學、材料科學與機器人社區加強跨學科合作。研究發表在 Nature Communications 上。

#神經科學 #機器人及其進展 #計算模型與人工智能模擬 #神經形態工程 #具身智能

閱讀更多：

Bartolozzi, Chiara, et al. “Embodied Neuromorphic Intelligence.” Nature Communications, vol. 13, no. 1, Feb. 2022, p. 1024. www.nature.com, https://doi.org/10.1038/s41467-022-28487-2

AI智能體不是越多越強：信息冗余構成了LLM Agent Scaling的瓶頸

基于大語言模型的多智能體系統常被認為可以通過增加智能體數量來提升性能，但上海交通大學、加州大學伯克利分校、加州理工學院以及約翰·霍普金斯大學的Yingxuan Yang、Weinan Zhang、Adam Wierman、Shangding Gu等研究人員發現，單純堆砌同質智能體會迅速導致性能飽和。他們揭示了限制系統擴展的根本原因并非智能體數量不足，而是信息冗余。

研究團隊在GSM8K、ARC等七個基準任務上進行了廣泛的對比實驗，采用投票和辯論兩種協作機制，分析了同質與異質智能體系統的表現。研究人員引入了信息論框架，提出“有效信息通道”的概念，并開發了無需真實標簽即可量化該通道數量的指標。研究結果表明，同質智能體的輸出具有高度相關性，導致信息冗余，邊際收益迅速遞減；相反，引入多樣性（如不同的基座模型、角色設定或工具）能顯著增加非冗余的有效信息通道。數據顯示，僅使用2個具有多樣性的智能體，其表現就能匹配甚至超越16個同質智能體。這證明了多智能體系統的性能瓶頸在于有效信息的獲取，而非單純的計算量堆疊。

#大模型技術 #跨學科整合 #計算模型與人工智能模擬

閱讀更多：

Yang, Yingxuan, et al. “Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity.” arXiv:2602.03794, arXiv, 3 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.03794

聊天機器人過度強調社會人口統計學刻板印象

聊天機器人能否真實代表不同背景的人類？賓夕法尼亞州立大學的 Pranav Narayanan Venkit、Sarah Rajtmajer 和 Shomir Wilson 等研究人員發現，當前的人工智能雖然能模擬特定人口統計特征，但往往過度依賴膚淺的刻板印象。這項研究指出，AI生成的角色未能很好地代表某些背景的人群，而是傾向于夸大文化符號，削弱了真實的人類體驗。

研究團隊對 GPT-4o、Gemini 1.5 Pro 和 DeepSeek v2.5 等大型語言模型進行了審計。他們讓這些模型根據年齡、種族、性別等因素生成了1512個虛擬人物角色，并將這些角色的自我描述與126名真人撰寫的756份描述進行了對比。結果顯示，AI生成的角色表現出明顯的算法他者化（Algorithmic Othering），即過度強調種族特征并將復雜身份簡化為單一標簽。例如，在模擬50歲非裔美國女性時，AI傾向于談論福音音樂或社會正義等話題，而真人則更多談論工作、育兒和健康等個性化內容。研究還識別出四種主要的表征傷害：依賴概括的刻板印象、將少數群體視為異類的異域風情、忽略復雜歷史的抹殺以及通過禮貌語言掩蓋的善意偏見。這表明，雖然AI生成的文本結構完整，但實際上是在使用文化編碼語言過度簡化少數群體的經歷。

#大模型技術 #計算模型與人工智能模擬 #AI倫理 #算法偏見 #人機交互

閱讀更多：

Venkit, Pranav Narayanan, et al. “A Tale of Two Identities: An Ethical Audit of Human and AI-Crafted Personas.” arXiv:2505.07850, arXiv, 7 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.07850

機器善辨假圖，人類更識偽片

隨著深度偽造技術在網絡上迅速蔓延，區分媒體內容的真偽已成為一大挑戰。佛羅里達大學的Brian S. Cahill、Natalie C. Ebner、Didem Pehlivanoglu和Mengdi Zhu等人通過一項對比研究發現，雖然人工智能在識別靜態偽造人臉方面表現出驚人的準確性，但在檢測動態偽造視頻時，人類的判斷力反而超越了現有算法。這一發現揭示了人腦在處理復雜動態線索時的獨特優勢。

研究團隊通過兩個獨立的實驗，分別測試了機器與人類對靜態圖像和動態視頻的辨別能力。研究人員制作并整理了數百個真實與深度偽造的樣本，邀請數千名參與者進行評估，并將結果與專門的檢測算法進行對比。結果顯示，在靜態圖像檢測中，人工智能程序的準確率高達97%，而人類的表現僅與隨機猜測無異。然而，在面對包含豐富語境的視頻時，局勢發生了逆轉：算法的準確率大幅下降至隨機水平，且表現出較高的誤報率；相比之下，人類能夠通過捕捉動作流暢度、面部表情和時間同步上的細微不協調，在大約三分之二的情況下正確識別真偽。此外，研究還量化了心理因素的影響：具備較強分析思維和互聯網技能的參與者檢測能力顯著更強，而報告處于積極情緒中的人因對他人的信任感增加，其檢測準確率反而有所下降。這表明在對抗深度偽造威脅時，人機協作可能比單純依賴某一方更為有效。研究發表在 Cognitive Research: Principles and Implications 上。

#認知科學 #計算模型與人工智能模擬 #深度偽造 #人機交互 #心理學

閱讀更多：

Pehlivanoglu, Didem, et al. “Is This Real? Susceptibility to Deepfakes in Machines and Humans.” Cognitive Research: Principles and Implications, vol. 11, no. 1, Jan. 2026, p. 3. Springer Link, https://doi.org/10.1186/s41235-025-00700-y

神經接口新突破：讓電極對超聲波“隱身”，實現讀寫交互雙重視野

長期以來，傳統的金屬神經電極就像一面“鏡子”，會反射超聲波，導致科學家無法在記錄神經電信號的同時進行腦功能成像。來自代爾夫特理工大學的 Raphael Panskus、Andrada Iulia Velea 和 Vasiliki Giagka 等研究人員，開發了一套全新的設計與驗證框架，成功制造出能夠讓超聲波“穿透”的柔性神經接口，實現了對大腦活動的同步多模態觀測。

該研究并沒有發明一種全新的材料，而是通過精密的計算模型解決了材料與結構的匹配問題。研究團隊利用轉移矩陣法建立模型，量化了不同材料厚度對聲波的影響。基于該模型，他們設計了一種以熱塑性聚氨酯為基底、覆蓋極薄金屬層（如300納米金層）的電極。在清醒小鼠的體內實驗中，這種新型接口表現出色：雖然超聲信號強度有輕微衰減，但大腦的功能激活圖譜依然清晰可見，結構相似性指數（SSIM）保持在較高水平，證明了該技術可以在不犧牲成像質量的前提下，實現精準的電生理記錄。這一突破為腦疾病診斷和神經調控閉環系統提供了重要的硬件基礎。研究發表在 npj Flexible Electronics 上。

#意識與腦機接口 #腦機接口 #多模態成像 #功能性超聲 #柔性電子

閱讀更多：

Panskus, Raphael, et al. “Ultrasound-Transparent Neural Interfaces for Multimodal Interaction.” Npj Flexible Electronics, vol. 10, no. 1, Jan. 2026, p. 15. www.nature.com, https://doi.org/10.1038/s41528-025-00517-1

像人類團隊一樣思考與分工：智能體AI重塑生物醫學發現流程

傳統的生成式AI多為單打獨斗，如何讓AI像人類科研團隊一樣分工協作？來自希德斯-西奈醫療中心的Binglan Li、Anil Kumar Saini、Jose Guadalupe Hernandez和Jason H. Moore團隊提出了一種激進的新方向——Agentic AI。他們構建了一個允許通過多個具備自主決策能力的智能體進行協作的框架，旨在重構生物醫學研究的組織形式，使AI從工具升級為科研合作伙伴。

該研究系統地闡述了Agentic AI的技術基礎，由三種核心算法支撐：大語言模型作為處理指令的推理引擎，強化學習通過獎勵機制優化智能體行為，以及進化算法用于探索人類直覺之外的創新解決方案。此外，研究團隊總結了七個關鍵構建模塊：推理、驗證、反思、規劃、工具使用、記憶和溝通。其中，“工具使用”是其核心優勢，使智能體能靈活調用PLINK等生物信息學工具或通過檢索增強生成（RAG）獲取最新知識。

在實際應用中，該框架已展現出強大潛力。例如，多智能體系統Virtual Lab成功設計了92種針對SARS-CoV-2變體的新型納米抗體，涵蓋了從文獻綜述到實驗設計的全流程。盡管目前面臨數據隱私、算力成本和倫理可靠性等挑戰，但這種“計算機模擬團隊科學”模式預示著未來科研將是人類與AI深度協作的形態。研究發表在 Nature Biotechnology 上。

#AI驅動科學 #自動化科研 #智能體 #生物醫學 #大模型技術

閱讀更多：

Li, Binglan, et al. “Agentic AI and the Rise of in Silico Team Science in Biomedical Research.” Nature Biotechnology, Feb. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41587-026-03035-1

MAPLE架構：通過解耦記憶、學習與個性化提升AI智能體適應性

為何不同背景的用戶向AI提問會收到相同的回答？針對現有大型語言模型智能體缺乏個性化適應能力的問題，Deepak Babu Piskala 開發了一種名為MAPLE的新型架構。該研究指出，現有系統錯誤地將記憶、學習和個性化混為一談，而MAPLE通過架構解耦，成功解決了這一痛點，使AI能夠像人類助手一樣，根據用戶的專業背景和歷史偏好提供量身定制的回復。

Deepak Babu Piskala 提出的MAPLE架構將智能體的適應性分解為三個獨立的子智能體：記憶組件負責存儲和檢索基礎設施（Retrieval infrastructure），確保信息的留存；學習組件異步地從交互歷史中提取模式和洞見；個性化組件則在有限的上下文窗口內實時應用這些知識。這種設計模仿了神經生物學中的記憶機制和認知框架。在MAPLE-Personas基準測試中，該方法展現了顯著優勢：與傳統的無狀態基線相比，MAPLE將個性化得分提升了14.6%，特征融合率從45%躍升至75%。這意味著系統不僅能“記住”用戶的反饋（如偏好代碼而非文字解釋），還能主動“學習”并在未來的互動中自動調整輸出策略，實現了真正的用戶自適應。

#大模型技術 #記憶機制 #個性化 #智能體

閱讀更多：

Piskala, Deepak Babu. “MAPLE: A Sub-Agent Architecture for Memory, Learning, and Personalization in Agentic AI Systems.” arXiv:2602.13258, arXiv, 3 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.13258

機器意識評估新視角：超越計算等效性的行為推理原則

大型語言模型的崛起引發了關于人工智能是否具備意識的緊迫討論。目前的評估標準主要依賴于檢查機器是否模擬了人類大腦的特定計算過程，即“計算等效性”。然而，Stefano Palminteri 和 Charley M Wu 針對這一主流觀點提出了批評，認為在當前的AI系統中尋找特定的計算架構既不現實也不準確。為此，該研究團隊提出了一種替代性的“行為推理原則”，主張應當依據能否有效解釋和預測AI的行為表現來判定其是否具備意識，這為機器意識的歸因提供了新的認識論框架。

這項研究對認知科學中的核心假設進行了重新審視。研究人員指出，基于“計算等效性”的評估方法存在根本缺陷：一方面，科學界對于產生意識究竟需要何種具體的計算過程（如全局工作空間理論或循環處理）尚無定論；另一方面，現代LLM如同“黑盒”，其內部數以億計的參數使得直接驗證特定計算過程變得極不可行。

針對這一困境，研究團隊提出了基于“方法論行為主義”的“行為推理原則”。在該框架下，意識不被視為直接的可觀察現象，而被視為一種用于解釋觀察數據的潛在變量。研究認為，如果將“意識”作為一種理論構造，能夠比其他假設更有效地解釋和預測人工智能系統的復雜行為，那么歸因于其意識就是合理的。這類似于認知科學通過觀察行為來推斷記憶或注意力等潛在心理過程。該原則強調行為在意識科學中的首要地位，并建議未來的測試應通過嚴格的行為實驗來推斷潛在的計算過程，而非糾結于底層的物理或代碼實現。研究發表在 Neuroscience of Consciousness 上。

#意識與腦機接口 #計算模型與人工智能模擬 #大模型技術 #認知科學

閱讀更多：

Palminteri, Stefano, and Charley M. Wu. “Beyond Computational Equivalence: The Behavioral Inference Principle for Machine Consciousness.” Neuroscience of Consciousness, vol. 2026, no. 1, Jan. 2026, p. niag002. Silverchair, https://doi.org/10.1093/nc/niag002

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。