追問(wèn)daily | 看到室友如此努力，你也會(huì)更上進(jìn)；歷時(shí)20年，實(shí)驗(yàn)證明哺乳動(dòng)物無(wú)法通過(guò)克隆無(wú)限續(xù)命

█ 腦科學(xué)動(dòng)態(tài)

Nature：首個(gè)功能性腦圖譜展示生命全程大腦通訊網(wǎng)絡(luò)的變化

Cell：繪制首個(gè)實(shí)驗(yàn)小鼠全身分子和細(xì)胞圖譜

大腦回路間自然競(jìng)爭(zhēng)或可提升信息處理能力

AI視覺(jué)模型與大腦運(yùn)作方式大相徑庭

感知到隊(duì)友的“辛苦”能增強(qiáng)你的認(rèn)知控制力

腦結(jié)構(gòu)連接與信號(hào)傳導(dǎo)速度決定生命周期內(nèi)的腦電節(jié)律變化

身邊的負(fù)面社交關(guān)系顯著加速生物學(xué)衰老

歷時(shí)20年繁育58代，證實(shí)哺乳動(dòng)物無(wú)法通過(guò)克隆無(wú)限續(xù)命

每天聆聽(tīng)24分鐘節(jié)拍刺激音樂(lè)可有效緩解焦慮

█ AI行業(yè)動(dòng)態(tài)

宕機(jī)11小時(shí)上熱搜！DeepSeek“靜默升級(jí)”被用戶(hù)抓個(gè)正著

█ AI驅(qū)動(dòng)科學(xué)

Nature：智能小型化給藥器械，精準(zhǔn)醫(yī)療新范式

類(lèi)腦人工智能硬件助力自主設(shè)備高效獨(dú)立運(yùn)行

3D打印微型機(jī)器人實(shí)現(xiàn)無(wú)腦自主導(dǎo)航

新基準(zhǔn)測(cè)試與訓(xùn)練系統(tǒng)提升機(jī)器人空間規(guī)劃能力

一半靠蒙：大語(yǔ)言模型在小說(shuō)摘要任務(wù)中遭遇滑鐵盧

倫敦國(guó)王學(xué)院開(kāi)發(fā)可擴(kuò)展神經(jīng)類(lèi)器官記錄系統(tǒng)以助力大腦研究

準(zhǔn)確率達(dá)98.2%！可穿戴“氣味戒指”實(shí)現(xiàn)無(wú)創(chuàng)健康監(jiān)測(cè)

解決AI規(guī)劃的曲率陷阱：時(shí)間直道化提升潛在空間規(guī)劃效能

腦科學(xué)動(dòng)態(tài)

Nature：首個(gè)功能性腦圖譜展示生命全程大腦通訊網(wǎng)絡(luò)的變化

人腦的功能網(wǎng)絡(luò)在一生中如何演變？長(zhǎng)期以來(lái)，這一問(wèn)題缺乏一個(gè)完整的答案。Hoyt Patrick Taylor IV及其團(tuán)隊(duì)通過(guò)分析覆蓋全生命周期的大規(guī)模腦掃描數(shù)據(jù)，成功繪制出首個(gè)從嬰兒期到百歲老人的大腦功能組織動(dòng)態(tài)圖譜。這項(xiàng)研究不僅揭示了大腦在不同生命階段“分化”與“去分化”的核心規(guī)律，也為理解神經(jīng)系統(tǒng)疾病提供了全新的參考標(biāo)準(zhǔn)。

? 梯度流形計(jì)算及其解釋概述。a ， 對(duì)于每個(gè)個(gè)體，將 fMRI 信號(hào)映射到皮層表面，并使用 Pearson 相關(guān)系數(shù)計(jì)算功能連接（FC）矩陣。通過(guò)對(duì) FC 矩陣應(yīng)用擴(kuò)散嵌入獲得個(gè)體 FC 梯度，并將其與感興趣的模板梯度軸（SA、VS 和 MR）對(duì)齊。這些軸分別通過(guò)皮層位置在關(guān)聯(lián)（紅色）或單模態(tài)（白色）中的作用、在視覺(jué)（藍(lán)色）或體感（綠色）域中的優(yōu)先激活以及參與自上而下調(diào)制（白色）或表征（黑色）的傾向來(lái)區(qū)分皮層位置。b ， 成人梯度流形在嵌入空間（左）和皮層表面（右）中的分類(lèi)，以及一個(gè)統(tǒng)一的顏色圖，該圖結(jié)合了 a 中使用的三種信息。圖中顯示了沿梯度流形的幾條路徑以及沿皮層表面的相應(yīng)顏色編碼路徑，展示了梯度流形枚舉的層級(jí)結(jié)構(gòu)的皮層實(shí)現(xiàn)。Credit: Nature (2026).

該研究分析了3,556名健康個(gè)體（年齡從16天至100歲）的靜息態(tài)功能磁共振成像數(shù)據(jù)，并運(yùn)用一種創(chuàng)新的分析方法，將復(fù)雜的大腦區(qū)域間通訊模式轉(zhuǎn)化為簡(jiǎn)潔的“功能連接梯度”。這些梯度描繪了大腦的功能層級(jí)，從負(fù)責(zé)視覺(jué)、觸覺(jué)等基本功能的感覺(jué)區(qū)域，延伸至負(fù)責(zé)抽象思維等復(fù)雜功能的高級(jí)聯(lián)合皮層。研究結(jié)果清晰地展示了大腦功能組織的全生命周期軌跡：在嬰兒期，大腦功能由初級(jí)感覺(jué)系統(tǒng)主導(dǎo)；進(jìn)入童年和青春期，大腦網(wǎng)絡(luò)經(jīng)歷了顯著的“分化”，即處理復(fù)雜任務(wù)的腦區(qū)變得高度特化，功能邊界清晰；而隨著步入老年，這一過(guò)程發(fā)生逆轉(zhuǎn)，大腦開(kāi)始“去分化”，不同功能系統(tǒng)間的界限變得模糊，特化程度下降。這個(gè)圖譜為大腦的正常發(fā)育和衰老提供了首個(gè)通用模板，有望幫助臨床醫(yī)生更早地識(shí)別神經(jīng)系統(tǒng)疾病的跡象。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 #腦圖譜 #生命周期 #功能連接

閱讀更多：

Taylor, Hoyt Patrick, et al. “Functional Hierarchy of the Human Neocortex across the Lifespan.” Nature, Mar. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10219-x

Cell：繪制首個(gè)實(shí)驗(yàn)小鼠全身分子和細(xì)胞圖譜

盡管實(shí)驗(yàn)小鼠是生物醫(yī)學(xué)研究的基石，但我們對(duì)它在全身尺度下的分子運(yùn)作機(jī)制仍知之甚少。復(fù)旦大學(xué)的鮑峰、芝加哥大學(xué)的Nicolas Chevrier及北京航空航天大學(xué)的Li Bohan等人合作，成功繪制了首個(gè)覆蓋實(shí)驗(yàn)小鼠全身的分子和細(xì)胞圖譜，為系統(tǒng)性疾病研究提供了前所未有的“導(dǎo)航地圖”。

? Credit:Cell.

研究團(tuán)隊(duì)首先采用時(shí)空轉(zhuǎn)錄組學(xué)技術(shù)，獲得了6周齡小鼠全身切片的全轉(zhuǎn)錄組信息。通過(guò)結(jié)合一個(gè)包含5900萬(wàn)個(gè)細(xì)胞的龐大單細(xì)胞參考數(shù)據(jù)庫(kù)和創(chuàng)新的計(jì)算方法，他們成功地在全身圖譜中精準(zhǔn)定位了379種不同的細(xì)胞類(lèi)型。更進(jìn)一步，團(tuán)隊(duì)開(kāi)發(fā)了一個(gè)名為L(zhǎng)ABEL的機(jī)器學(xué)習(xí)模型，該模型能夠“學(xué)習(xí)”這份精細(xì)的圖譜，從而實(shí)現(xiàn)對(duì)傳統(tǒng)的蘇木素-伊紅染色（H&E-stained，病理學(xué)中最常用的組織染色方法）圖像的自動(dòng)化、高精度注釋?zhuān)苯釉趫D像上標(biāo)出各種組織和細(xì)胞。為了驗(yàn)證該平臺(tái)的實(shí)用價(jià)值，研究者將其應(yīng)用于內(nèi)毒素血癥小鼠模型，系統(tǒng)地描繪了全身性炎癥反應(yīng)下，不同器官和細(xì)胞類(lèi)型的基因表達(dá)變化規(guī)律。這項(xiàng)工作為理解生物體作為一個(gè)整體如何運(yùn)作和響應(yīng)疾病提供了強(qiáng)大的統(tǒng)一框架。研究發(fā)表在 Cell 上。

#疾病與健康 #自動(dòng)化科研 #空間轉(zhuǎn)錄組學(xué) #小鼠模型 #全身圖譜

閱讀更多：

Clevenger, Margarette H., et al. “Whole-Body Molecular and Cellular Mapping of the Laboratory Mouse.” Cell, vol. 0, no. 0, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.03.006

大腦回路間自然競(jìng)爭(zhēng)或可提升信息處理能力

大腦如何平衡其內(nèi)部不同功能網(wǎng)絡(luò)之間的合作與競(jìng)爭(zhēng)？來(lái)自牛津大學(xué)、劍橋大學(xué)的Andrea I. Luppi等研究人員發(fā)現(xiàn)，長(zhǎng)期被大腦模型所忽略的“競(jìng)爭(zhēng)”機(jī)制，實(shí)際上是塑造大腦真實(shí)動(dòng)態(tài)和高效計(jì)算能力的關(guān)鍵。他們構(gòu)建的新模型證明，合作與競(jìng)爭(zhēng)的平衡不僅能更準(zhǔn)確地模擬大腦活動(dòng)，還能更好地捕捉個(gè)體間的差異。

? 基于連接組的神經(jīng)形態(tài)網(wǎng)絡(luò)具有優(yōu)異的計(jì)算性能和競(jìng)爭(zhēng)性生成交互作用。Credit: Nature Neuroscience (2026).

研究團(tuán)隊(duì)利用人類(lèi)、獼猴和小鼠的大腦連接組數(shù)據(jù)，構(gòu)建并比較了兩種全腦計(jì)算模型：一種是僅允許神經(jīng)回路間相互激活的傳統(tǒng)“純合作”模型，另一種是同時(shí)引入了激活與抑制機(jī)制的“合作-競(jìng)爭(zhēng)”模型。結(jié)果顯示，在所有三個(gè)物種中，“合作-競(jìng)爭(zhēng)”模型都顯著優(yōu)于傳統(tǒng)模型，其模擬的大腦活動(dòng)模式與真實(shí)的功能磁共振成像數(shù)據(jù)更為吻合。競(jìng)爭(zhēng)機(jī)制如同一種穩(wěn)定器，避免了大腦活動(dòng)陷入過(guò)度同步的失控狀態(tài)，并允許不同腦區(qū)網(wǎng)絡(luò)輪流主導(dǎo)，展現(xiàn)出更真實(shí)的動(dòng)態(tài)起伏。更重要的是，新模型能更精準(zhǔn)地捕捉到每個(gè)個(gè)體獨(dú)特的“大腦指紋”，這為開(kāi)發(fā)個(gè)性化精準(zhǔn)醫(yī)療的“數(shù)字孿生”大腦奠定了基礎(chǔ)。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #計(jì)算模型與人工智能模擬 #跨學(xué)科整合

閱讀更多：

Luppi, Andrea I., et al. “Competitive Interactions Shape Mammalian Brain Network Dynamics and Computation.” Nature Neuroscience, Mar. 2026, pp. 1–19. www.nature.com, https://doi.org/10.1038/s41593-026-02205-3

AI視覺(jué)模型與大腦運(yùn)作方式大相徑庭

人工智能模型常被譽(yù)為“類(lèi)腦”，但它們真的像大腦一樣思考嗎？約克大學(xué)的Kohitij Kar和Sabine Muzellec團(tuán)隊(duì)通過(guò)一項(xiàng)創(chuàng)新研究揭示，當(dāng)前主流AI視覺(jué)模型與靈長(zhǎng)類(lèi)動(dòng)物大腦之間存在顯著的“隱藏不匹配”，挑戰(zhàn)了AI“類(lèi)腦”的普遍看法。

? 預(yù)測(cè)性能相似，但不同模型的底層策略不同。Credit: Nature Machine Intelligence (2026).

研究團(tuán)隊(duì)開(kāi)發(fā)了一種名為“反向預(yù)測(cè)性”（reverse predictivity）的新診斷標(biāo)準(zhǔn)。傳統(tǒng)方法通常只測(cè)試AI模型預(yù)測(cè)大腦活動(dòng)的能力（正向預(yù)測(cè)性），而該研究則反其道而行之，檢驗(yàn)了獼猴大腦的神經(jīng)活動(dòng)能否預(yù)測(cè)人工神經(jīng)網(wǎng)絡(luò)（ANNs）的內(nèi)部激活。結(jié)果發(fā)現(xiàn)了驚人的不對(duì)稱(chēng)性：盡管AI模型能夠很好地預(yù)測(cè)大腦神經(jīng)元對(duì)視覺(jué)圖像的反應(yīng)，但大腦的活動(dòng)卻無(wú)法同等地預(yù)測(cè)AI模型內(nèi)部的許多特征。這表明，AI為了完成視覺(jué)任務(wù)，采用了一些大腦并未使用的“捷徑”或內(nèi)部策略。相比之下，不同猴子大腦之間的神經(jīng)活動(dòng)預(yù)測(cè)是對(duì)稱(chēng)的，這證實(shí)了AI與大腦之間的差異是真實(shí)存在的。有趣的是，模型中那些能夠被大腦活動(dòng)有效預(yù)測(cè)的部分，也更擅長(zhǎng)預(yù)測(cè)真實(shí)的人類(lèi)行為。這項(xiàng)工作不僅為評(píng)估和構(gòu)建更具生物學(xué)合理性的AI提供了新標(biāo)準(zhǔn)和工具，也對(duì)將AI模型應(yīng)用于神經(jīng)科學(xué)和臨床研究（如孤獨(dú)癥研究）提出了警示。研究發(fā)表在 Nature Machine Intelligence 上。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #視覺(jué)神經(jīng)科學(xué) #類(lèi)腦計(jì)算

閱讀更多：

Muzellec, Sabine, and Kohitij Kar. “Reverse Predictivity for Bidirectional Comparison of Neural Networks and Biological Brains.” Nature Machine Intelligence, vol. 8, no. 3, Mar. 2026, pp. 474–88. www.nature.com, https://doi.org/10.1038/s42256-026-01204-0

感知到隊(duì)友的“辛苦”能增強(qiáng)你的認(rèn)知控制力

為何我們會(huì)在意隊(duì)友是否努力？Marcell Székely、Luke McEllin、Stephen Butterfill 和 John Michael 等人（來(lái)自意大利米蘭國(guó)立大學(xué)、奧地利中歐大學(xué)和英國(guó)華威大學(xué)）的研究揭示，感知到合作伙伴的巨大投入，會(huì)增強(qiáng)我們自身的認(rèn)知控制。這種效應(yīng)尤其體現(xiàn)在犯錯(cuò)之后，大腦會(huì)調(diào)動(dòng)更多資源來(lái)重新集中注意力，以維持共同行動(dòng)的承諾。

? 測(cè)試模塊和試驗(yàn)結(jié)構(gòu)。每個(gè)測(cè)試模塊首先顯示伙伴的感知努力程度（高或低）（驗(yàn)證碼階段），隨后進(jìn)行 45 次 SART 試驗(yàn)。每次試驗(yàn)開(kāi)始時(shí)，屏幕中央會(huì)呈現(xiàn)一個(gè)圓形灰色掩蔽圖像，持續(xù) 1500 毫秒。之后，屏幕中央會(huì)顯示一個(gè)數(shù)字（1-9），持續(xù) 500 毫秒。Credit: New Ideas in Psychology (2026).

研究中，參與者被要求完成一項(xiàng)單調(diào)的注意力任務(wù)，并在任務(wù)開(kāi)始前觀察一位“伙伴”解決驗(yàn)證碼。研究人員通過(guò)調(diào)整驗(yàn)證碼的難度，讓參與者形成伙伴“投入了高努力”或“投入了低努力”的印象。實(shí)驗(yàn)的關(guān)鍵測(cè)量指標(biāo)是錯(cuò)誤后減慢（post-error slowing，指?jìng)€(gè)體在犯錯(cuò)后，下一個(gè)反應(yīng)會(huì)不自覺(jué)地變慢，被視為大腦加強(qiáng)注意力控制的標(biāo)志）。結(jié)果顯示，盡管在整體表現(xiàn)上沒(méi)有顯著差異，但一個(gè)清晰的模式浮現(xiàn)出來(lái)：當(dāng)參與者認(rèn)為伙伴非常努力時(shí)，他們?cè)谧约悍稿e(cuò)后的反應(yīng)減慢程度會(huì)更明顯。這表明，感知到他人的高投入，會(huì)像一種無(wú)形的激勵(lì)，促使我們的大腦加強(qiáng)認(rèn)知控制，以避免因失誤而辜負(fù)共同的目標(biāo)。這項(xiàng)發(fā)現(xiàn)為提升團(tuán)隊(duì)協(xié)作和教育效率提供了新的視角。研究發(fā)表在 New Ideas in Psychology 上。

#認(rèn)知科學(xué) #意圖與決策 #社會(huì)認(rèn)知 #合作

閱讀更多：

Székely, Marcell, et al. “True Grit? The Perception of a Partner’s Effort Boosts Cognitive Control to Sustain Commitment in Joint Action.” New Ideas in Psychology, vol. 82, Aug. 2026, p. 101250. ScienceDirect, https://doi.org/10.1016/j.newideapsych.2026.101250

腦結(jié)構(gòu)連接與信號(hào)傳導(dǎo)速度決定生命周期內(nèi)的腦電節(jié)律變化

人腦電活動(dòng)在人一生中如何演化及其與大腦解剖結(jié)構(gòu)的聯(lián)系一直是個(gè)重要謎題。Ronaldo Garcia Reyes及多國(guó)研究人員（古巴-中國(guó)神經(jīng)信息學(xué)聯(lián)合實(shí)驗(yàn)室）通過(guò)開(kāi)發(fā)名為Xi-αNET的新型生成模型，揭示了大腦解剖連接和神經(jīng)信號(hào)延遲如何共同塑造腦電圖的寬帶背景活動(dòng)和α波，并繪制了跨越百年的腦節(jié)律生命周期軌跡。

該研究分析了包含1965名5至100歲參與者的靜息態(tài)腦電圖數(shù)據(jù)。研究人員利用磁共振成像提取髓鞘圖譜來(lái)構(gòu)建大腦區(qū)域?qū)蛹?jí)，并引入顱內(nèi)皮層間誘發(fā)響應(yīng)作為傳導(dǎo)延遲的先驗(yàn)信息從而建立計(jì)算模型。分析結(jié)果表明，非周期性寬帶背景活動(dòng)主要集中在額葉區(qū)域并由前饋連接主導(dǎo)，而α節(jié)律在后部皮層最強(qiáng)且由反饋連接主導(dǎo)。個(gè)體神經(jīng)傳導(dǎo)延遲隨年齡呈現(xiàn)U形軌跡，即青年期較短、中年期穩(wěn)定、老年期變長(zhǎng)。這一演變軌跡與皮層髓鞘形成的變化高度吻合，證明傳導(dǎo)速度越快對(duì)應(yīng)的α波頻率越高。此外該模型成功檢測(cè)出帕金森病患者的α節(jié)律顯著減慢現(xiàn)象，有望成為神經(jīng)退行性疾病的早期生物標(biāo)志物。研究發(fā)表在 National Science Review 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #計(jì)算模型與人工智能模擬 #腦電信號(hào)分析 #大腦衰老

閱讀更多：

Reyes, Ronaldo Garcia, et al. “Lifespan Development of EEG Alpha and Aperiodic Component Sources Is Shaped by the Connectome and Axonal Delays.” National Science Review, Feb. 2026, p. nwag076. Silverchair, https://doi.org/10.1093/nsr/nwag076

身邊的負(fù)面社交關(guān)系顯著加速生物學(xué)衰老

負(fù)面社交關(guān)系如何影響個(gè)體的生物學(xué)衰老一直有待精確量化。Byungkyu Lee和Brea L. Perry團(tuán)隊(duì)（紐約大學(xué)和印第安納大學(xué)）通過(guò)生物標(biāo)志物證實(shí)，社交圈中的負(fù)面聯(lián)系會(huì)作為慢性壓力源顯著加速機(jī)體衰老并增加患病風(fēng)險(xiǎn)。

研究團(tuán)隊(duì)分析了美國(guó)印第安納州2685名成年人的唾液樣本與自我報(bào)告的社交網(wǎng)絡(luò)數(shù)據(jù)。研究采用表觀遺傳時(shí)鐘（epigenetic clocks，通過(guò)檢測(cè)DNA甲基化水平測(cè)算身體實(shí)際老化程度的生化工具）評(píng)估生物學(xué)年齡。具體包含測(cè)量衰老速度的指標(biāo)（DunedinPACE）和評(píng)估累積衰老負(fù)擔(dān)的指標(biāo)（GrimAge2）。結(jié)果顯示，近30%的受訪者核心社交圈中存在至少一個(gè)負(fù)面聯(lián)系人（hasslers，給生活增添困難與壓力的社交對(duì)象）。每增加一個(gè)負(fù)面聯(lián)系人，個(gè)體的衰老速度會(huì)加快約1.5%，生物學(xué)年齡平均增加約9個(gè)月。并非所有負(fù)面聯(lián)系人的影響都相同，來(lái)自親屬和非親屬的負(fù)面聯(lián)系與衰老加速顯著相關(guān)，而來(lái)自配偶的負(fù)面聯(lián)系則未顯示出該關(guān)聯(lián)。此外，女性、吸煙者以及有不良童年經(jīng)歷的人更容易暴露于此類(lèi)負(fù)面社交中，且更多的負(fù)面聯(lián)系人與體內(nèi)較高的炎癥水平和多種疾病共存風(fēng)險(xiǎn)直接相關(guān)。研究發(fā)表在 PNAS 上。

#疾病與健康 #健康管理與壽命延長(zhǎng) #表觀遺傳時(shí)鐘 #生物學(xué)衰老 #社會(huì)壓力

閱讀更多：

Lee, Byungkyu, et al. “Negative Social Ties as Emerging Risk Factors for Accelerated Aging, Inflammation, and Multimorbidity.” Proceedings of the National Academy of Sciences, vol. 123, no. 8, Feb. 2026, p. e2515331123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2515331123

歷時(shí)20年繁育58代，證實(shí)哺乳動(dòng)物無(wú)法通過(guò)克隆無(wú)限續(xù)命

哺乳動(dòng)物是否可以通過(guò)無(wú)性繁殖實(shí)現(xiàn)物種的無(wú)限延續(xù)一直是一個(gè)未解之謎。Teruhiko Wakayama及其團(tuán)隊(duì)（山梨大學(xué)）通過(guò)一項(xiàng)長(zhǎng)達(dá)20年的實(shí)驗(yàn)表明，由于基因突變的不斷積累，小鼠的連續(xù)克隆在第58代達(dá)到極限，證實(shí)哺乳動(dòng)物無(wú)法通過(guò)克隆無(wú)限續(xù)命。

研究團(tuán)隊(duì)從單只供體小鼠開(kāi)始，歷時(shí)20年進(jìn)行了超過(guò)三萬(wàn)次克隆嘗試，繁育出上千只克隆鼠。實(shí)驗(yàn)初期克隆成功率一度上升，但從第27代開(kāi)始持續(xù)下降，到第57代平均成功率暴跌至百分之零點(diǎn)六，最終第58代小鼠在出生后死亡，成為最后一代。通過(guò)全基因組測(cè)序，研究人員發(fā)現(xiàn)這些克隆鼠雖然外表和壽命正常，但其DNA深處正在不斷積累有害的單核苷酸突變和大型染色體結(jié)構(gòu)變異。為了驗(yàn)證有性生殖的糾錯(cuò)能力，研究人員將接近最終代的克隆雌鼠與正常雄鼠交配，發(fā)現(xiàn)盡管絕大多數(shù)胚胎退化，但少數(shù)胚胎通過(guò)減數(shù)分裂和受精作用恢復(fù)了正常，后代的產(chǎn)仔數(shù)重回健康水平。這表明哺乳動(dòng)物必須依賴(lài)有性生殖來(lái)清除無(wú)性繁殖引發(fā)的遺傳異常。研究發(fā)表在 Nature Communications 上。

#其他 #其他 #克隆技術(shù) #基因突變 #有性生殖

閱讀更多：

Wakayama, Sayaka, et al. “Limitations of Serial Cloning in Mammals.” Nature Communications, vol. 17, no. 1, Mar. 2026, p. 2495. www.nature.com, https://doi.org/10.1038/s41467-026-69765-7

每天聆聽(tīng)24分鐘節(jié)拍刺激音樂(lè)可有效緩解焦慮

如何通過(guò)簡(jiǎn)單低成本的方法有效緩解焦慮癥狀？Danielle K. Mullen和Frank A. Russo等（多倫多都市大學(xué)）通過(guò)臨床試驗(yàn)發(fā)現(xiàn)，聆聽(tīng)特定時(shí)長(zhǎng)的專(zhuān)門(mén)音樂(lè)可以顯著減輕患者的焦慮癥狀，為心理健康干預(yù)提供了新思路。

研究團(tuán)隊(duì)開(kāi)展了一項(xiàng)隨機(jī)臨床試驗(yàn)，納入144名正在接受藥物治療的中度焦慮成年人。參與者被隨機(jī)分配到四個(gè)組別：聆聽(tīng)24分鐘粉紅噪音（pink noise，一種聽(tīng)起來(lái)類(lèi)似瀑布或海浪聲的寬頻背景聲，在此作為對(duì)照組）、12分鐘帶有聽(tīng)覺(jué)節(jié)拍刺激的音樂(lè)、24分鐘帶有聽(tīng)覺(jué)節(jié)拍刺激的音樂(lè)，以及36分鐘帶有聽(tīng)覺(jué)節(jié)拍刺激的音樂(lè)。研究表明，與對(duì)照組相比，聆聽(tīng)結(jié)合聽(tīng)覺(jué)節(jié)拍刺激的音樂(lè)能更顯著地減輕注意力難以集中等認(rèn)知癥狀以及胸痛等生理癥狀。進(jìn)一步分析發(fā)現(xiàn)，改善效果存在劑量反應(yīng)關(guān)系，其中36分鐘方案改善負(fù)面情緒的效果優(yōu)于12分鐘方案，而24分鐘被評(píng)估為最佳干預(yù)時(shí)長(zhǎng)，既能有效改變焦慮水平，又不需要患者投入過(guò)長(zhǎng)的時(shí)間。研究發(fā)表在 PLOS Mental Health 上。

#疾病與健康 #心理健康與精神疾病 #焦慮癥 #數(shù)字療法 #音樂(lè)療法

閱讀更多：

Mullen, Danielle K., et al. “Investigating the Dose-Response Relationship between Music and Anxiety Reduction: A Randomized Clinical Trial.” PLOS Mental Health, vol. 3, no. 1, Jan. 2026, p. e0000355. PLoS Journals, https://doi.org/10.1371/journal.pmen.0000355

AI 行業(yè)動(dòng)態(tài)

宕機(jī)11小時(shí)上熱搜！DeepSeek“靜默升級(jí)”被用戶(hù)抓個(gè)正著

國(guó)產(chǎn)大模型DeepSeek近日經(jīng)歷了一場(chǎng)引發(fā)廣泛關(guān)注的服務(wù)中斷。3月29日，其網(wǎng)頁(yè)版突發(fā)宕機(jī)，持續(xù)時(shí)間超過(guò)11小時(shí)，“DeepSeek崩了”迅速登上熱搜。然而，這場(chǎng)意外并未引發(fā)用戶(hù)全然的抱怨，反而被許多人解讀為重大升級(jí)的前兆。因?yàn)樵阱礄C(jī)發(fā)生前，不少用戶(hù)已敏銳地察覺(jué)到模型能力的顯著提升：無(wú)論是執(zhí)行“用SVG畫(huà)鵜鶘騎自行車(chē)”這類(lèi)復(fù)雜創(chuàng)意任務(wù)的圖像質(zhì)量與構(gòu)圖，還是生成前端頁(yè)面的代碼效果，均有肉眼可見(jiàn)的飛躍。這種“先升級(jí)后宕機(jī)”的戲劇性事件，加之官方全程保持靜默，更增添了市場(chǎng)的種種猜測(cè)。

用戶(hù)對(duì)模型升級(jí)的推測(cè)并非空穴來(lái)風(fēng)。通過(guò)對(duì)話記錄對(duì)比發(fā)現(xiàn)，宕機(jī)前的DeepSeek在自我介紹中首次穩(wěn)定地明確自身為“DeepSeek-V3模型”，并在不開(kāi)啟聯(lián)網(wǎng)搜索的情況下，已能準(zhǔn)確回答2025年的美國(guó)選舉結(jié)果等時(shí)效性問(wèn)題，據(jù)此推測(cè)其知識(shí)截止日期可能已更新至2026年1月。這一系列“靜默升級(jí)”的操作，與該公司此前風(fēng)格一脈相承。盡管服務(wù)現(xiàn)已恢復(fù)，但深度思考模式等部分功能尚不穩(wěn)定。結(jié)合DeepSeek近期大規(guī)模招聘AI智能體方向人才的動(dòng)作來(lái)看，這家在業(yè)界有“龍蝦時(shí)代”之稱(chēng)的公司，似乎正在醞釀一次更具顛覆性的產(chǎn)品迭代，引發(fā)了行業(yè)對(duì)其是否將發(fā)布V4等新模型的廣泛期待。

#DeepSeek #靜默升級(jí) #模型迭代 #服務(wù)宕機(jī) #AI智能體

閱讀更多：

https://x.com/marmaduke091/status/2038211313566965823?s=20

AI 驅(qū)動(dòng)科學(xué)

Nature：智能小型化給藥器械，精準(zhǔn)醫(yī)療新范式

傳統(tǒng)臨床給藥面臨依從性差及藥物穩(wěn)定性難維持等挑戰(zhàn)。浙江大學(xué)和麻省理工學(xué)院的Xinwei Wei、Robert Langer與Zhen Gu等團(tuán)隊(duì)系統(tǒng)總結(jié)了智能小型化給藥器械的發(fā)展。研究展示了多學(xué)科技術(shù)如何實(shí)現(xiàn)靶向釋放帶來(lái)精準(zhǔn)醫(yī)療新范式。

這項(xiàng)綜述系統(tǒng)評(píng)估了智能小型化給藥器械（IMDDD，一類(lèi)通常采用自上而下方法制造并整合智能材料與先進(jìn)算法的微型遞送設(shè)備）的設(shè)計(jì)原理與臨床潛力。研究團(tuán)隊(duì)將其分為四大類(lèi)包含生物電子治療設(shè)備、物理觸發(fā)致動(dòng)器、物理化學(xué)響應(yīng)設(shè)備以及活體設(shè)備。研究詳細(xì)探討了人工智能在增強(qiáng)器械性能方面的核心作用。通過(guò)集成微型傳感器與電子組件這些設(shè)備能夠?qū)崟r(shí)響應(yīng)體內(nèi)葡萄糖或活性氧等動(dòng)態(tài)生理信號(hào)從而實(shí)現(xiàn)閉環(huán)或程序化給藥。在臨床應(yīng)用方面結(jié)合微型機(jī)器人的靶向給藥系統(tǒng)、口服膠囊和微針貼片等技術(shù)已在癌癥靶向治療、糖尿病閉環(huán)管理和無(wú)痛疫苗接種中展現(xiàn)出顯著優(yōu)勢(shì)。盡管該技術(shù)在臨床轉(zhuǎn)化中仍面臨體內(nèi)生物相容性、規(guī)?；圃斐杀炯懊庖吲懦獾榷嘀靥魬?zhàn)但隨著材料科學(xué)與算法的深度結(jié)合未來(lái)的給藥系統(tǒng)必將更加微型化與智能化。研究發(fā)表在 Nature 上。

#疾病與健康 #個(gè)性化醫(yī)療 #給藥器械 #人工智能 #微型機(jī)器人

閱讀更多：

Wei, Xinwei, et al. “Towards Intelligent and Miniaturized Drug Delivery Devices.” Nature, vol. 651, no. 8107, Mar. 2026, pp. 897–908. www.nature.com, https://doi.org/10.1038/s41586-026-10221-3

類(lèi)腦人工智能硬件助力自主設(shè)備高效獨(dú)立運(yùn)行

傳統(tǒng)人工智能設(shè)備因計(jì)算與存儲(chǔ)分離耗能巨大，難以滿足無(wú)人機(jī)等在野外的高效導(dǎo)航需求。Kaushik Roy團(tuán)隊(duì)（普渡大學(xué)）受人腦處理機(jī)制啟發(fā)，開(kāi)發(fā)出集傳感器、算法與硬件于一體的類(lèi)腦系統(tǒng)。該成果使自主設(shè)備在極低功耗下實(shí)現(xiàn)了獨(dú)立的實(shí)時(shí)視覺(jué)避障與精準(zhǔn)導(dǎo)航。

? 這款由普渡大學(xué)工程師考希克·羅伊（Kaushik Roy）開(kāi)發(fā)的 AI 無(wú)人機(jī)配備了事件驅(qū)動(dòng)型攝像頭，可以幫助它避開(kāi)障礙物并到達(dá)預(yù)設(shè)目的地。這些攝像頭模擬人類(lèi)通過(guò)快速眼動(dòng)和聚焦來(lái)解讀視覺(jué)數(shù)據(jù)的方式。Credit: Purdue University /John Underwood

研究團(tuán)隊(duì)以脈沖神經(jīng)網(wǎng)絡(luò)為核心，結(jié)合傳統(tǒng)網(wǎng)絡(luò)構(gòu)建了混合架構(gòu)以?xún)?yōu)化時(shí)序捕捉與模型訓(xùn)練。在感知端，團(tuán)隊(duì)采用事件驅(qū)動(dòng)型攝像頭，結(jié)合專(zhuān)有算法模擬人類(lèi)視覺(jué)聚焦機(jī)制，優(yōu)先處理視野中的移動(dòng)物體。在硬件層面，研究人員正在開(kāi)發(fā)基于自旋軌道扭矩的電子突觸，將計(jì)算直接映射到存儲(chǔ)芯片上，從而徹底消除馮·諾依曼瓶頸。實(shí)地測(cè)試顯示，配備該系統(tǒng)的無(wú)人機(jī)僅靠視覺(jué)傳感器便成功在移動(dòng)的圓環(huán)中實(shí)現(xiàn)了無(wú)碰撞的路徑規(guī)劃與導(dǎo)航。這種基于內(nèi)存計(jì)算的設(shè)備大幅降低了功耗，且能在完全斷網(wǎng)環(huán)境下獨(dú)立運(yùn)行，未來(lái)可廣泛賦能各類(lèi)能源受限的邊緣人工智能系統(tǒng)。研究發(fā)表在 Communications Engineering 上。

#其他 #計(jì)算模型與人工智能模擬 #類(lèi)腦硬件 #脈沖神經(jīng)網(wǎng)絡(luò) #邊緣計(jì)算

閱讀更多：

Chowdhury, Sayeed Shafayet, et al. “Neuromorphic Computing for Robotic Vision: Algorithms to Hardware Advances.” Communications Engineering, vol. 4, no. 1, Aug. 2025, p. 152. www.nature.com, https://doi.org/10.1038/s44172-025-00492-5

3D打印微型機(jī)器人實(shí)現(xiàn)無(wú)腦自主導(dǎo)航

微型機(jī)器人難以兼具小尺寸與高柔韌性，這限制了其在復(fù)雜環(huán)境中的自適應(yīng)導(dǎo)航能力。萊頓大學(xué)的Mengshi Wei和Daniela J. Kraft研發(fā)出一種無(wú)需傳感器和外部控制即可像動(dòng)物一樣游動(dòng)、導(dǎo)航并避障的微米級(jí)軟體機(jī)器人，為生物醫(yī)學(xué)應(yīng)用和仿生系統(tǒng)開(kāi)發(fā)開(kāi)辟了全新路徑。

? Credit: Leiden University

為了解決微尺度下的適應(yīng)性難題，研究人員以自然界中能夠改變形狀以適應(yīng)環(huán)境的蠕蟲(chóng)等動(dòng)物為靈感，利用三維微型打印制造出一種由柔性節(jié)段組成的鏈狀軟體結(jié)構(gòu)。這些機(jī)器人的長(zhǎng)度僅有幾十微米，內(nèi)部元件尺寸為5微米。當(dāng)施加交流電場(chǎng)（AC electric field，一種方向隨時(shí)間交替變化以提供驅(qū)動(dòng)力的電場(chǎng)）時(shí)，微結(jié)構(gòu)被激活并開(kāi)始移動(dòng)，速度可達(dá)每秒7微米。實(shí)驗(yàn)發(fā)現(xiàn)，該機(jī)器人的形狀與運(yùn)動(dòng)之間存在持續(xù)的機(jī)械反饋：形狀會(huì)影響運(yùn)動(dòng)方式，而運(yùn)動(dòng)產(chǎn)生的流體動(dòng)力反過(guò)來(lái)又改變機(jī)器人的形狀。因此它們展現(xiàn)出多種類(lèi)似生命的運(yùn)動(dòng)模式，如軌道式、波浪形移動(dòng)和旋轉(zhuǎn)。更重要的是，它們衍生出了感知與響應(yīng)能力，能夠在遇到障礙物時(shí)自動(dòng)尋找其他路徑，并在相遇時(shí)自然避開(kāi)彼此。這種設(shè)計(jì)使其能在密集環(huán)境中自主導(dǎo)航，展現(xiàn)出具身智能。研究發(fā)表在 PNAS 上。

#其他 #機(jī)器人及其進(jìn)展 #微型機(jī)器人 #具身智能 #仿生系統(tǒng)

閱讀更多：

Wei, Mengshi, and Daniela J. Kraft. “Life-like Behavior Emerging in Active and Flexible Microstructures.” Proceedings of the National Academy of Sciences, vol. 123, no. 13, Mar. 2026, p. e2531743123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2531743123

新基準(zhǔn)測(cè)試與訓(xùn)練系統(tǒng)提升機(jī)器人空間規(guī)劃能力

針對(duì)視覺(jué)語(yǔ)言模型與底層運(yùn)動(dòng)系統(tǒng)脫節(jié)導(dǎo)致機(jī)器人無(wú)法精準(zhǔn)執(zhí)行現(xiàn)實(shí)世界多步任務(wù)的問(wèn)題，Sehun Jung、HyunJee Song、Dong-Hee Kim、Reuben Tan、Jianfeng Gao、Yong Jae Lee和Donghyun Kim（高麗大學(xué)、微軟研究院、威斯康星大學(xué)麥迪遜分校）開(kāi)發(fā)了全新的基準(zhǔn)測(cè)試與數(shù)據(jù)生成框架，顯著提升了機(jī)器人的空間動(dòng)作規(guī)劃能力。

? 在 GroundedPlanBench 數(shù)據(jù)集上，對(duì)基于空間定位的動(dòng)作計(jì)劃進(jìn)行了定性比較，比較對(duì)象包括真實(shí)模型 (GT)、基線模型和我們提出的方法。綠色邊界框代表抓取預(yù)測(cè)，紅色十字代表放置目標(biāo)。Credit: arXiv (2026).

這項(xiàng)研究首先構(gòu)建了名為GroundedPlanBench的基準(zhǔn)測(cè)試，基于真實(shí)世界數(shù)據(jù)集提取了308個(gè)場(chǎng)景并設(shè)計(jì)出1009個(gè)評(píng)估任務(wù)。這些任務(wù)包含明確指令與模糊指令，旨在聯(lián)合評(píng)估分層子動(dòng)作規(guī)劃與空間動(dòng)作定位的能力。研究團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)前的視覺(jué)語(yǔ)言模型雖然能生成連貫的任務(wù)步驟列表，但普遍缺乏準(zhǔn)確的空間定位能力，無(wú)法在畫(huà)面中指出物品的精確坐標(biāo)。為攻克這一瓶頸，研究人員提出了視頻至空間定位規(guī)劃系統(tǒng)。該系統(tǒng)讓模型觀看人類(lèi)或機(jī)器人執(zhí)行任務(wù)的視頻，通過(guò)精準(zhǔn)識(shí)別手或機(jī)械臂張開(kāi)閉合的瞬間，將長(zhǎng)視頻分解為片段，進(jìn)而轉(zhuǎn)化為超過(guò)40000個(gè)訓(xùn)練課程。經(jīng)過(guò)該系統(tǒng)訓(xùn)練后，模型不僅在基準(zhǔn)測(cè)試中的動(dòng)作規(guī)劃和空間定位指標(biāo)上取得大幅進(jìn)步，其在真實(shí)世界機(jī)器人操作實(shí)驗(yàn)中的表現(xiàn)也得到了顯著驗(yàn)證。

#大模型技術(shù) #機(jī)器人及其進(jìn)展 #空間定位 #多步任務(wù)規(guī)劃 #視覺(jué)語(yǔ)言模型

閱讀更多：

Jung, Sehun, et al. “Spatially Grounded Long-Horizon Task Planning in the Wild.” Version 1, arXiv, 2026. DOI.org (Datacite), https://doi.org/10.48550/ARXIV.2603.13433

一半靠蒙：大語(yǔ)言模型在小說(shuō)摘要任務(wù)中遭遇滑鐵盧

盡管大模型擅長(zhǎng)處理技術(shù)文本，但它們能真正理解復(fù)雜的文學(xué)作品嗎？Melanie Subbiah等人（哥倫比亞大學(xué)）引入未公開(kāi)的小說(shuō)對(duì)模型進(jìn)行測(cè)試，發(fā)現(xiàn)大模型在理解敘事潛臺(tái)詞時(shí)存在嚴(yán)重局限，凸顯了專(zhuān)家評(píng)估的不可替代性。

為了避免訓(xùn)練數(shù)據(jù)污染，研究團(tuán)隊(duì)與專(zhuān)業(yè)作家合作，收集了二十五篇從未在網(wǎng)絡(luò)公開(kāi)的原創(chuàng)短篇小說(shuō)。研究人員讓GPT-4、Claude-2.1和LLaMA-2-70B等先進(jìn)的大語(yǔ)言模型對(duì)小說(shuō)生成摘要，并由原作者從連貫性、忠實(shí)度和細(xì)節(jié)覆蓋等方面進(jìn)行定量與定性評(píng)估。結(jié)果表明，這三種模型在超過(guò)百分之五十的情況下會(huì)出現(xiàn)忠實(shí)度錯(cuò)誤，在解讀非線性敘事、不可靠敘述者（unreliable narrators，在文學(xué)作品中常常故意隱藏真相或誤導(dǎo)讀者的敘述視角）以及復(fù)雜的潛臺(tái)詞時(shí)表現(xiàn)掙扎。模型生成可靠文學(xué)分析的概率僅為百分之五十左右，如同拋硬幣一般不可預(yù)測(cè)。研究還證實(shí)，模型自身的自動(dòng)評(píng)分無(wú)法與人類(lèi)作家的專(zhuān)業(yè)判斷相吻合。研究發(fā)表在 Transactions of the Association of Computational Linguistics 上。

#大模型技術(shù) #跨學(xué)科整合 #文學(xué)分析 #自然語(yǔ)言處理 #模型評(píng)估

閱讀更多：

https://arxiv.org/abs/2403.01061

倫敦國(guó)王學(xué)院開(kāi)發(fā)可擴(kuò)展神經(jīng)類(lèi)器官記錄系統(tǒng)以助力大腦研究

探索腦組織對(duì)藥物的反應(yīng)以及神經(jīng)系統(tǒng)的發(fā)育過(guò)程一直受限于傳統(tǒng)三維類(lèi)器官的可擴(kuò)展性與記錄難度。Adam Pavlinek、Anthony C. Vernon和Deepak P. Srivastava等人（倫敦國(guó)王學(xué)院）成功將三維腦類(lèi)器官解離為二維培養(yǎng)，開(kāi)發(fā)出一種可擴(kuò)展的長(zhǎng)期電生理記錄系統(tǒng)，實(shí)現(xiàn)了更高通量的藥物測(cè)試與網(wǎng)絡(luò)活動(dòng)追蹤。

? 不同來(lái)源（細(xì)胞系）的神經(jīng)網(wǎng)絡(luò)在微電極陣列上隨時(shí)間的變化：從左到右顯示了接種后 6 天到 37 天的進(jìn)展。Credit King's College London

該研究結(jié)合了三維類(lèi)器官的細(xì)胞多樣性與二維培養(yǎng)的長(zhǎng)期記錄優(yōu)勢(shì)。研究團(tuán)隊(duì)首先培育出三維無(wú)引導(dǎo)的大腦類(lèi)器官，隨后將其解離成單細(xì)胞，并混合不同類(lèi)器官的細(xì)胞以降低個(gè)體差異。這些單細(xì)胞被接種在微電極陣列上進(jìn)行培養(yǎng)。在長(zhǎng)達(dá)數(shù)十天的監(jiān)測(cè)中，研究人員觀察到神經(jīng)元網(wǎng)絡(luò)隨著細(xì)胞成熟和突觸連接的形成，其電活動(dòng)從發(fā)育早期的異步放電逐漸轉(zhuǎn)變?yōu)楦叨纫恢碌耐椒烹姟４送?，該神?jīng)網(wǎng)絡(luò)對(duì)化學(xué)長(zhǎng)時(shí)程增強(qiáng)和17β-雌二醇等生理刺激表現(xiàn)出明顯的功能可塑性。實(shí)驗(yàn)結(jié)果還揭示了不同細(xì)胞系和批次之間存在活動(dòng)參數(shù)的天然變異，證明了多細(xì)胞系混合對(duì)于藥物篩選和基因?qū)嶒?yàn)設(shè)計(jì)的必要性。這一創(chuàng)新方法為研究人類(lèi)神經(jīng)發(fā)育和突觸功能提供了高度可重復(fù)的規(guī)?；脚_(tái)。研究發(fā)表在 Cell Reports Methods 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #類(lèi)器官 #微電極陣列 #體外模型

閱讀更多：

Pavlinek, Adam, et al. “Electrophysiological Development and Functional Plasticity in Dissociated Human Cerebral Organoids across Multiple Cell Lines.” Cell Reports Methods, vol. 0, no. 0, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.crmeth.2026.101371

準(zhǔn)確率達(dá)98.2%！港科大團(tuán)隊(duì)研發(fā)可穿戴“氣味戒指”實(shí)現(xiàn)無(wú)創(chuàng)健康監(jiān)測(cè)

針對(duì)如何非侵入式且實(shí)時(shí)監(jiān)測(cè)人體復(fù)雜代謝狀態(tài)的問(wèn)題，香港科技大學(xué)的Wenhao Ye和Zhiyong Fan等研究團(tuán)隊(duì)開(kāi)發(fā)了一款基于微型嗅覺(jué)傳感芯片的AI可穿戴生物識(shí)別戒指，該設(shè)備能準(zhǔn)確讀取個(gè)體的飲食和活動(dòng)狀態(tài)，為數(shù)字健康監(jiān)測(cè)提供了極具潛力的新方案。

研究團(tuán)隊(duì)設(shè)計(jì)了一種單片集成式可穿戴系統(tǒng)，其核心是面積僅為0.0081平方毫米的超微型嗅覺(jué)傳感器芯片。該芯片采用三維垂直異質(zhì)界面（three-dimensional vertical hetero-interfaces）與鈀修飾的二氧化錫納米管結(jié)構(gòu)，構(gòu)建出具有差異化響應(yīng)的感測(cè)像素。為解析極為微弱且復(fù)雜的揮發(fā)性有機(jī)化合物信號(hào)，團(tuán)隊(duì)開(kāi)發(fā)了專(zhuān)屬AI算法框架，結(jié)合軸向注意力堆疊長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取。結(jié)果顯示，該設(shè)備能精準(zhǔn)區(qū)分六類(lèi)飲食和三種運(yùn)動(dòng)狀態(tài)，結(jié)合K近鄰算法后，飲食分類(lèi)準(zhǔn)確率高達(dá)98.20%，并能以0.991的決定系數(shù)定量預(yù)測(cè)食物攝入量。此外，研究人員通過(guò)氣相色譜-質(zhì)譜法驗(yàn)證了傳感器捕捉到的信號(hào)確實(shí)對(duì)應(yīng)真實(shí)的代謝變化。用戶(hù)可通過(guò)藍(lán)牙連接獲取AI生成的個(gè)性化健康建議。研究發(fā)表在 Nature Communications 上。

#疾病與健康 #個(gè)性化醫(yī)療 #生物傳感 #可穿戴設(shè)備 #人工智能

閱讀更多：

Ye, Wenhao, et al. “Miniaturized Olfactory Sensor Chip-Based AI-Wearable Biometric Ring for Human Body Metabolic Odor Analysis.” Nature Communications, Mar. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-70746-z

解決AI規(guī)劃的曲率陷阱：時(shí)間直道化提升潛在空間規(guī)劃效能

當(dāng)前世界模型在潛在空間中規(guī)劃時(shí)常因特征軌跡高度彎曲而失效，Ying Wang、Oumayma Bounou、Yann LeCun與Mengye Ren等人組成的團(tuán)隊(duì)，結(jié)合紐約大學(xué)、布朗大學(xué)與多倫多大學(xué)的研究力量，提出時(shí)間直道化方法，顯著提升了智能體規(guī)劃的穩(wěn)定性和任務(wù)成功率。

研究團(tuán)隊(duì)借鑒了神經(jīng)科學(xué)領(lǐng)域的感知直道化（Perceptual Straightening，即人類(lèi)視覺(jué)系統(tǒng)將復(fù)雜的動(dòng)態(tài)輸入轉(zhuǎn)化為平直內(nèi)部表征的假設(shè)）機(jī)制。為了使表示空間更適合規(guī)劃，團(tuán)隊(duì)在聯(lián)合訓(xùn)練世界模型的編碼器與預(yù)測(cè)器時(shí)，引入了曲率正則化器。結(jié)果表明，這種拉直操作使得潛在空間中的歐幾里得距離能夠精準(zhǔn)代表測(cè)地距離（geodesic distance，跨越可行狀態(tài)到達(dá)目標(biāo)的最短真實(shí)路徑成本）。在復(fù)雜的帶傳送門(mén)點(diǎn)迷宮測(cè)試中，舊有模型會(huì)因位置瞬間跳躍而陷入邏輯斷層，而應(yīng)用新方法后，距離熱力圖展現(xiàn)出極度平滑的梯度，精準(zhǔn)指導(dǎo)智能體穿越傳送門(mén)。實(shí)驗(yàn)證實(shí)，該方法使目標(biāo)達(dá)成任務(wù)的開(kāi)環(huán)規(guī)劃成功率相對(duì)提升了百分之二十至百分之六十。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #世界模型 #表征學(xué)習(xí)

閱讀更多：

https://arxiv.org/abs/2603.12231

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問(wèn)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(wèn)為紐帶，深入探究人工智能與人類(lèi)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(wèn)，我們將基于追問(wèn)知識(shí)庫(kù)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(lèi)。

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。