追问weekly | 过去一周,脑科学领域有哪些新发现?Vol.75_

Nature：大脑蓝斑周围神经元如何精准调控警觉与焦虑

蓝斑（LC）是大脑的"警报中心"，但它是如何精确调节警觉水平的？华盛顿大学医学院的Andrew T. Luskin、Li Li和Michael R. Bruchas团队发现，蓝斑周围存在一组特殊神经元（peri-LC），它们像"调光开关"一样精细调节蓝斑活动。 

研究团队综合运用病毒示踪、单细胞RNA测序（scRNA-seq）和光遗传学技术，系统解析了蓝斑周围神经元（peri-LC）的组成和功能。这些GABA能神经元（释放抑制性递质γ-氨基丁酸）接收来自全脑的输入，但输出几乎全部指向蓝斑。实验显示，当小鼠面临压力刺激时，peri-LC会释放GABA，像"无线电增益电路"一样精确调节蓝斑的去甲肾上腺素（norepinephrine）释放水平。这种调控使大脑能在极度警觉（如应对危险）和放松状态间灵活切换。研究还发现peri-LC和蓝斑都存在功能各异的亚群，其中某些亚群可能与特定行为相关。这一发现不仅解释了为何蓝斑能同时参与多种功能，还为治疗焦虑障碍和药物戒断（这些状态下蓝斑常过度活跃）提供了新思路——通过靶向调控peri-LC来恢复正常蓝斑活动。研究发表在 Nature 上。

为什么习惯难以改变？伦敦大学学院塞恩斯伯里·惠康中心的Marcus Stephenson-Jones团队发现大脑存在双重学习系统：基于奖赏的RPE系统和基于动作重复的APE系统。后者通过纹状体尾部（TS）的多巴胺信号固化习惯行为，解释了成瘾和帕金森病的神经机制。 

研究团队结合基因工程小鼠模型与听觉辨别任务，首次捕捉到纹状体尾部（TS）的动作预测误差（APE）信号——这种多巴胺释放仅与动作执行频率相关，与奖赏无关。通过对比实验发现，正常小鼠在任务熟练度达60-70%时切换至APE主导的“自动驾驶”模式，而TS损伤小鼠则停滞于线性学习。计算模型显示，APE系统通过存储“默认策略”（如开车时自动换挡）释放认知资源，使RPE系统可处理其他决策。专家小鼠的TS被抑制后，任务表现崩溃，证实习惯行为完全依赖APE系统。该发现解释了帕金森病患者为何能滑冰（灵活行为）却难以行走（习惯行为），因病变的SNc多巴胺神经元正是APE编码者。研究为成瘾治疗提供新思路：持续替代行为（如口香糖替代吸烟）可“覆盖”旧APE模式。研究发表在 Nature 上。

Nature：大脑如何让我们推断情绪

高阶情绪学习如何实现？日本理化学研究所脑科学中心的Xiaowei Gu和Joshua P. Johansen团队发现，大鼠内侧前额叶皮层（mPFC）通过编码情绪内部模型，使其能像人类一样通过间接线索推断恐惧，该机制依赖于mPFC与杏仁核的特异连接。 

研究团队首先设计实验：让大鼠学习中性配对（噪音+图像），随后仅对图像施加厌恶刺激。次日测试显示，大鼠仅听到噪音即会僵住，证明其通过推理产生恐惧。钙成像技术捕捉到mPFC神经元的动态变化——初始配对“标记”了协同响应神经元，使它们在后续厌恶学习中更易被激活。光遗传学干预揭示：阻断mPFC会完全消除推理能力，而阻断mPFC→杏仁核通路仅影响推理记忆提取，不影响直接联想。特别值得注意的是，mPFC中投射至杏仁核的神经元亚群专司间接关联表征。研究发表在 Nature 上。

如何突破光学显微镜分辨率极限？奥地利科学技术研究所与谷歌研究院的Mojtaba R. Tavakoli、Julia Lyudchik等团队开发了LICONN技术，通过膨胀显微术与深度学习结合，首次用普通光学显微镜实现了哺乳动物脑组织突触级连接的可视化重建。 

研究团队将脑组织样本嵌入特制水凝胶（hydrogel，遇水膨胀材料），通过物理膨胀使样本体积增大至原始尺寸的16倍，突破光学衍射极限。结合深度学习算法，系统能自动识别20纳米精度的神经元突触结构，并重建658个神经元的完整3D连接网络。与传统电子显微镜相比，该技术最大优势在于保留了分子标记信息，同时仅需使用普通实验室的标准显微镜设备。实验验证显示，膨胀过程未破坏蛋白质空间排布，组织结构完整性保持率达98%。研究为全球实验室提供了一种成本仅为电子显微镜1/10的突触图谱解决方案，未来可应用于阿尔茨海默病等神经退行性疾病的病理研究。研究发表在 Nature 上。

圣路易斯华盛顿大学医学院的Katheryn B. Lefton、Yifan Wu团队颠覆了持续80年的理论，发现星形胶质细胞（而非神经元）才是去甲肾上腺素调控注意力的真正执行者。 

研究团队通过精确操控小鼠脑切片中的去甲肾上腺素（NE）浓度，结合双光子钙成像技术，首次捕捉到星形胶质细胞对NE的实时响应。当NE浓度升高（模拟注意力集中状态）时，星形胶质细胞通过α1肾上腺素受体触发钙波（calcium wave，细胞内信号传递形式），进而促使ATP转化为腺苷。这种腺苷作用于神经元突触前膜的A1受体，使突触强度降低40-60%。通过基因编辑技术选择性沉默神经元或星形胶质细胞的NE受体后，只有后者会阻断NE的突触调控效果。

进一步实验显示，该机制完全独立于神经元直接感知NE的经典通路，解释了为何过去靶向神经元受体的药物疗效有限。研究还发现，星形胶质细胞的调控具有区域特异性，在前额叶皮层表现最为显著——这正是高级注意力的关键脑区。研究发表在 Science 上。

Science：被忽视的星型胶质细胞对大脑功能的影响

大脑中占比35%的星形胶质细胞长期被忽视其主动功能，俄勒冈健康与科学大学的Kevin A. Guttenplan团队通过果蝇和哺乳动物实验证明，这些细胞能像"信息过滤器"般动态调控神经信号，该发现或革新神经退行性疾病的治疗策略。 

研究团队首先在果蝇活体大脑中观察到，星形胶质细胞（astrocytes）通过GPCR信号通路（细胞信息传递的关键开关）动态"开启/关闭"对多巴胺和谷氨酸等神经递质的响应能力。当人为操纵该通路时，果蝇出现明显行为异常，证实这种"门控"机制对神经功能至关重要。进一步实验显示，单个星形胶质细胞可控制10万个突触的信号传递，通过选择性屏蔽某些输入来优化信息处理。更令人振奋的是，该机制在哺乳动物细胞中同样存在，暗示其可能是进化保守的"大脑操作系统"基础组件。研究为理解注意力失调、焦虑等问题的神经基础提供新视角，并提示通过调节星形胶质细胞功能治疗阿尔茨海默病等疾病的可能。研究发表在 Science 上。

Science：星形胶质细胞，大脑神经调控的隐藏指挥家

杜克大学Cagla Eroglu与Guttenplan、Chen、Lefton等团队通过跨物种研究揭示，星形胶质细胞（astrocyte）作为"神经信号中转站"，通过保守的GPCR-cAMP-钙信号通路调控多巴胺和去甲肾上腺素的作用，直接影响运动协调、行为状态转换等关键功能。 

研究团队采用三种模式生物展开实验：在果蝇中通过基因编辑降低星形胶质细胞cAMP水平，发现其多巴胺神经元响应性提升2倍，幼虫翻身反射时间延长至对照组的2.3倍；斑马鱼实验中，光遗传学激活星形胶质细胞α1肾上腺素受体后，ATP转化为腺苷的效率提高58%，促使动物更快进入"被动行为状态"；小鼠脑片实验则证实，选择性敲除星形胶质细胞而非神经元的α1A受体后，去甲肾上腺素诱导的突触抑制完全消失（电生理信号衰减67%）。特别值得注意的是，大鼠离体星形胶质细胞实验显示，降低cAMP信号可使多巴胺响应强度提升3.1倍，证实该机制在哺乳动物中的保守性。这些发现颠覆了"神经元中心"的传统认知，为抑郁症等神经精神疾病提供了新干预靶点。研究发表在 Science 上。

杜克大学的Roberto Cabeza、柏林洪堡大学的Maxi Becker及团队通过脑成像研究发现，灵感闪现时海马体爆发式活动会重塑视觉皮层信息表征，形成高效记忆编码网络，使顿悟式学习的记忆保留率提升近一倍。   

研究采用功能性磁共振成像（fMRI）记录受试者解答视觉谜题（Mooney图像，即高对比度黑白轮廓图）时的脑活动。当受试者突然识别出隐藏物体时，其腹侧枕颞皮层（VOTC，负责视觉模式识别）的神经激活模式发生显著重组，且重组幅度与主观报告的“顿悟强度”正相关（p<0.001）。同时，海马体（记忆编码核心区）出现瞬时激活峰值，激活程度越强，五天后记忆测试表现越好（r=0.72）。进一步分析显示，高顿悟状态下，VOTC、海马体和杏仁核的功能连接强度增加35%，形成跨脑区协同网络。该研究证实，顿悟通过“视觉表征重塑+海马体记忆强化”双通路机制提升学习效果，为探究式教学提供了神经科学依据。研究发表在 Nature Communications 上。  

传统Hopfield网络模型如何更准确地描述人类记忆？加州大学圣巴巴拉分校的Francesco Bullo、Simone Betteti、Giacomo Baggio和帕多瓦大学的Sandro Zampieri团队提出输入驱动可塑性（IDP）模型，通过动态调整能量景观，使记忆检索过程更接近人类实际体验。 

研究团队开发的IDP模型将外部输入直接整合到神经突触的动态变化中，改变了传统Hopfield网络将输入视为静态初始条件的局限。通过能量景观（energy landscape，记忆存储与检索的物理模型）分析，IDP模型能够从部分输入（如猫尾巴）准确检索完整记忆（整只猫）。模型在噪声环境下表现出色，能够利用噪声过滤不稳定记忆，优先选择更稳定的记忆。此外，研究还发现IDP模型与Transformer架构（如ChatGPT）在注意力机制上的潜在联系，为未来机器学习系统设计提供了新思路。研究发表在 Science Advances 上。

绘制大脑命名网络：揭示说话时词汇检索的神经机制

为什么脑损伤患者能命名物体却说不出日常词汇？纽约大学坦登工程学院/格罗斯曼医学院的Leyao Yu、Adeen Flinker团队通过高精度脑电技术，发现前额叶背侧网络专门负责将声音转化为意义。 

研究团队记录48名神经外科患者的皮层脑电图（ECoG），通过无监督聚类算法解码出两个关键网络：负责语义整合的额中回/下回网络会随句子中词汇意外性增强活动，如同“语义警报系统”；而位于下额叶和中央前回的发音网络则像“语音指令中心”，无论看到还是听到单词都保持稳定工作模式。特别值得注意的是，背侧前额叶区域在听觉命名任务中表现出独特激活模式，其神经信号强度能预测0.3秒后的词汇检索成功率。这种精确到毫秒级的发现解释了为何临床常用的视觉命名测试可能遗漏某些语言障碍——因为日常对话更依赖这套新发现的听觉-语义转换系统。研究为开发针对中风后失语症的个性化神经调控方案提供了生物标志物，同时提示未来脑机接口需区分语义编码和运动指令两种信号。研究发表在 Cell Reports 上。

月经周期可以重塑大脑的结构和功能

加州大学圣巴巴拉分校的Nora S. Wolcott、Michael J. Goard团队通过活体成像技术发现，小鼠发情周期中的雌二醇波动会同步改变海马体神经元的连接结构与电信号处理方式，并直接影响空间记忆的稳定性。 

研究团队使用双光子激光扫描显微镜追踪了小鼠多个发情周期中海马体CA1区神经元的变化。结果显示：在发情前期（雌二醇高峰阶段），每个神经元会新增数百个树突棘（dendritic spines），其中约30%会长期保留；同时，神经元内部的电信号反向传播距离增加50%，表明信息整合能力增强。行为实验中，位置细胞（place cells，编码空间位置的神经元）在雌二醇高峰时对熟悉环境的反应稳定性提升30%，而在激素低谷期表现紊乱。这些发现首次将激素周期、突触可塑性与认知功能动态关联，为理解人类月经周期相关的认知波动提供了机制解释。研究还发现睾酮可通过转化为雌激素影响相同通路，提示激素调控记忆可能是跨性别的普遍现象。研究发表在 Neuron 上。

以色列理工学院的Yael Iosilevskii、Menachem Katz和Benjamin Podbilewicz团队与阿尔伯特爱因斯坦医学院的David H. Hall合作，在秀丽隐杆线虫中发现单个神经元（PVD）具有性别特异性结构和功能。 

研究团队以秀丽隐杆线虫（C. elegans）为模型，通过高分辨率显微镜首次发现：雄性个体的PVD神经元（一种高度分支的感觉神经元）会在成年期延伸独特分支进入交配器官尾扇，而雌雄同体个体则无此结构。这些分支的发育依赖于SAX-7/L1CAM蛋白（一种神经导向分子）的雄性特异性表达模式。行为实验显示，当PVD分支发育异常时，雄性交配行为效率降低40%，表现为转身动作迟缓且协调性下降。值得注意的是，PVD在雌雄同体中仅参与痛觉感知，而在雄性中兼具交配功能，这为"一个神经元如何实现多功能"提供了范例。该发现首次在单神经元水平证实结构差异直接导致行为差异，可能解释人类神经系统疾病的性别倾向性。研究发表在 PNAS 上。

下丘脑不同神经元编码捕食者威胁与安全状态

加州理工学院David J. Anderson团队与霍华德休斯医学研究所合作，通过实时成像技术发现下丘脑存在三类功能特异的神经元群，分别编码捕食者身份、安全状态和威胁紧迫性。 

研究采用微型显微镜（miniscope）技术，首次在自由活动小鼠中同步记录数百个VMHdmSF1神经元活动。当小鼠面对大鼠时，研究人员发现：约30%神经元特异性响应捕食者气味（类似"鼠类探测器"），其活动随大鼠距离缩短而增强；另一组神经元在小鼠进入庇护所后持续放电，形成"安全信号"，与威胁神经元形成拮抗关系。最关键的发现是第三类神经元，它们不直接控制冻结或逃跑行为，而是编码"威胁紧迫性"——当逃生路线受限时放电强度提升3倍，提示其反映风险评估的内部状态。通过AI分析数百万帧行为视频，团队证实神经元活动模式能预测个体防御行为差异（R²=0.72），其中焦虑样持续放电与创伤后应激障碍相关通路高度重叠。研究为开发精准干预恐惧障碍的靶点提供理论基础。研究发表在 Neuron 上。

为什么大脑要分成两个半球？

麻省理工学院皮考尔学习与记忆研究所的Scott L. Brincat和Earl K. Miller团队通过20年研究发现，左右半球即使在高级认知阶段仍保持空间信息处理的独立性，这种分工既能优化感知能力，又与多种神经系统疾病相关。 

研究整合了过去20年的神经生理学实验证据，包括测量脑电波（gamma频率）和空间记忆任务。结果显示，大脑前额叶皮层对物体位置的编码始终偏向对侧半球，形成"双侧优势"——当信息分散到两半球时记忆容量提升，但多目标追踪能力仍弱于单侧专注。通过分析2014-2021年的神经活动数据，团队发现半球间信息传递类似手机信号切换：当物体跨越视野中线时，原处理半球（发送端）会持续活跃约1秒，而新半球（接收端）提前激活准备接收，形成神经信号的"接力棒交接"。这种机制存在微小性能代价，其功能障碍与阿尔茨海默病、焦虑症等疾病相关。研究为理解半球协作提供了新视角，可能启发针对脑连接异常的干预方法。研究发表在 Neuropsychologia 上。

为什么有人每天只睡4小时却精力充沛？加州大学旧金山分校的傅嫈惠（Ying-Hui Fu）与中国科学院大学上海药物研究所时广森团队发现，SIK3基因的N783Y突变能让人在更短睡眠中获得充分休息，相关成果为开发高效睡眠方案提供新方向。 

研究团队首先在一个短睡眠家族中鉴定出SIK3基因突变（N783Y），随后通过基因编辑技术构建携带该突变的小鼠模型。脑电图显示，突变小鼠不仅每日睡眠时间缩短约30分钟，其δ功率（反映睡眠深度的指标）还显著增高，意味着它们获得了更高效的睡眠。进一步分析发现，该突变导致编码的盐诱导激酶（salt-induced kinase）活性降低，并引发突触部位蛋白质磷酸化模式改变。值得注意的是，研究还发现蛋白激酶A（PKA）等激酶参与形成睡眠调控网络，这些激酶活性变化可能是实现"高效睡眠"的关键。相比此前发现的DEC2等短睡眠基因，SIK3突变展现出对睡眠质量的独特改善作用。研究发表在 PNAS 上。

Nature：超级椋鸟揭示合作繁殖的长期互惠机制  

合作繁殖鸟类为何愿意义务帮助非亲缘后代？由Alexis D. Earl和Dustin R. Rubenstein领衔的国际团队通过20年追踪研究发现，超级椋鸟通过终身角色互换形成隐秘互惠关系。   

研究团队在肯尼亚中部对9个超级椋鸟群体（平均规模13-41只）进行跨越40个繁殖季的观测。通过个体环志识别和亲缘分析（mean pairwise r=0.08），发现虽然存在亲缘偏向帮助（kin-biased helping），但47%的帮助行为发生在非亲缘个体间。更惊人的是，特定个体间会通过“你今年帮我育雏，我明年帮你守巢”的角色互换（role-swapping reciprocity），建立持续终身的互惠关系——这种模式需要至少15年数据才能被统计学识别。进一步分析显示，直接适应性收益（direct fitness benefits）对雌性和扩散个体的影响比雄性高32%，表明合作策略存在性别分化。该发现为理解人类等混合亲缘社会的合作演化提供了新视角。研究发表在 Nature 上。  

左撇子CEO更富创新力？

Long Chen团队通过分析标普500企业数据发现，左撇子CEO领导的公司专利产出更高。同时，遗传学研究揭示TUBB4B基因变异与左撇子相关，神经科学研究则发现其大脑连接存在独特模式。 

商业研究通过CEO书写照片构建惯用手数据集，结合Orbis专利数据库分析显示：左撇子CEO所在企业专利数量（对数转换值）平均高出0.23，且更倾向雇佣外籍发明家。遗传学团队采用外显子组分析（exome sequencing）发现，编码微管蛋白的TUBB4B基因存在2.7倍于常人的罕见变异，可能影响大脑左右轴发育。神经科学研究利用人类连接组计划（HCP）的fMRI数据，采用Shen 268节点脑图谱分析显示：青少年左撇子小脑连接差异达14.7%，而成年人前额叶差异显著。这种“混音师”式脑连接可能解释其多任务处理优势。

虚拟角色竟能缓解焦虑？木偶比真人更有效  

维尔茨堡大学医院的Martin Weiß、Philipp Krop和Grit Hein团队发现，VR环境中的人形木偶“Woody”能显著降低生理恐惧反应，效果媲美女性虚拟角色，而男性角色反而加重焦虑。

研究通过VR复现经典恐惧实验，参与者佩戴头显聆听尖叫声，同时面对四种虚拟角色：高拟真女性/男性、无性别木偶“Woody”和人体轮廓点云。皮肤电导（SCR，反映汗腺活动的自主神经指标）数据显示，女性角色和木偶使焦虑反应降低35%，但木偶仅在被告知“能接收求助信号”时才有效，揭示社会意义的关键作用。男性角色意外引发更强反应，可能因纯女性参与者对其缺乏信任。点云与空白组无差异，证实效果非单纯分心所致。研究还发现，社交焦虑者从虚拟角色中获益更多，与真人陪伴实验相反。研究发表在 Computers in Human Behavior 上。  

数据交易实验：43%的人死守这个隐私

麻省理工学院感知城市实验室的Martina Mazzarello、Fàbio Duarte团队通过创新卡牌游戏"数据槽"发现，人们对隐私的评估会随使用场景显著变化，当数据应用带来明确收益时，隐私担忧可降低53%。 

研究团队开发了包含12种数据类型（如健康数据、位置信息）的交互式卡牌游戏"数据槽"（Data Slots），玩家在家庭、工作、公共空间三种场景中进行数据交易与方案投资。全球92个国家2,000多名参与者的行为数据显示：个人移动数据最受重视（玩家保留率43%），而动物健康数据关注度最低（仅10%）。通过组合分析（combinatorial analysis，量化多因素交互影响的方法）发现，当数据使用附带明确收益时（如用健康数据改善办公环境），隐私担忧平均下降53%。研究首次提出"数据价值四维模型"——价值取决于数据组合方式、应用场景、效益交换条件和文化背景。例如在职场场景中，62%玩家愿意共享环境数据以换取健康改善，但相同数据在家庭场景的共享意愿仅28%。这些发现为制定动态隐私政策提供了实证依据，特别适用于智慧城市（smart city）建设中的数据治理。研究发表在 Humanities and Social Sciences Communications 上。

AI过度自信与人类失语症的惊人相似性

为什么AI会自信地给出错误答案？东京大学Takamitsu Watanabe团队发现，大型语言模型的这一行为与人类失语症（aphasia）患者惊人相似。通过能量景观分析，他们揭示了二者在信号处理层面的共同特征，这一发现可能双向推动脑疾病诊断和AI改进。 

研究团队将物理学中的能量景观分析（energy landscape analysis，一种可视化复杂系统状态的方法）应用于神经科学和AI研究。他们比较了不同类型失语症患者的静息脑活动模式与多个公开LLM的内部数据，发现Wernicke失语症患者与AI模型都表现出"表面流畅但内在混乱"的信号特征。就像球体在平缓曲面上会无序滚动一样，二者的信息处理都缺乏有效约束机制。具体而言，AI模型中数字信号的传递方式与某些失语症患者的脑信号行为高度匹配，特别是在语言流畅但语义混乱的维度上。这一发现为神经科学提供了基于内部活动（而非外部症状）的新型诊断思路，同时提示当前LLM可能被"锁死"在某种刚性内部模式中，限制了其灵活调用知识的能力。研究发表在 Advanced Science 上。

获胜经历重塑多巴胺系统，降低毒品寻求行为

中国科学院深圳先进技术研究院Xiaofei Deng、Wei Xu、Yutong Liu等研究人员发现，社会等级通过影响大脑多巴胺系统决定成瘾易感性，且获胜体验可重塑大脑功能降低毒品寻求行为。 

研究团队采用光纤光度法（实时监测神经活动）、快速扫描循环伏安法（检测神经递质浓度）和光遗传学技术，发现低社会等级动物的中脑边缘通路（负责奖赏）过度活跃，而中脑皮质通路（负责控制）功能较弱，形成"快车弱刹车"的神经模式，导致更容易寻求冰毒。通过光遗传激活中脑皮质通路，不仅能让低等级动物在社交竞争中获胜更多，还能显著降低其对毒品的兴趣。最令人振奋的是，给低等级动物创造获胜体验后，它们不仅社会地位提升，大脑多巴胺系统也发生重塑，毒品寻求行为明显减少。这些发现为理解社会因素如何通过神经机制影响成瘾提供了新视角，也为开发基于非侵入性脑刺激的成瘾干预方法提供了科学依据。研究发表在 Nature Neuroscience 上。

过度工作如何重塑大脑？韩国延世大学的Wonpil Jang、Sungmin Kim等6人团队通过脑扫描发现，每周工作超52小时会导致与认知、情绪相关的脑区结构改变，这可能解释加班族常见的记忆力和情绪问题。 

研究团队招募110名医护人员（32名每周工作≥52小时，78名标准工时者），采用基于体素的形态测量法（VBM，一种量化脑区灰质密度的影像技术）和基于图谱分析技术进行比对。结果显示，加班组的额中回（middle frontal gyrus）体积比标准组大19%，该区域主管工作记忆和复杂决策；另有17个脑区出现灰质增加，包括负责情绪处理的岛叶（insula）。相关性分析证实，工作时间越长，这些脑区的体积变化越显著（r=0.42）。研究者推测，这种"脑膨胀"可能是神经细胞对长期压力的适应性反应，但可能以牺牲认知灵活性为代价。研究发表在 Occupational & Environmental Medicine 上。

饥饿感推迟小鼠青春期的到来

为什么营养不良会延迟青春期？日本理化学研究所生物系统动力学研究中心的Kazunari Miyamichi和Teppei Goto团队发现，下丘脑中存在连接饥饿感与生殖调控的神经回路，弓状核的饥饿神经元通过调控kisspeptin神经元活动频率来决定青春期启动时机。 

研究团队观察到，即将进入青春期的雌鼠下丘脑kisspeptin神经元（调控生殖激素的关键细胞）会呈现同步脉冲放电，且频率随发育进程增加。但在营养不良小鼠中，弓状核（arcuate nucleus，大脑的饥饿感知中心）的神经元显著降低了这种脉冲频率。通过病毒遗传学方法追踪发现，弓状核中的AgRP神经元（agouti-related protein neurons，饥饿神经元）可直接调控kisspeptin神经元活动：激活这些神经元会抑制脉冲频率，而抑制它们则能恢复活动。最惊人的发现是，当食物供应恢复时，kisspeptin神经元活动能在几小时内快速恢复正常，说明这是通过快速神经通路而非缓慢的激素调节实现的。该回路还直接影响卵巢卵泡成熟，完整解释了营养不良如何通过神经机制延迟生殖系统发育。研究为理解现代社会中营养过剩导致青春期提前的现象提供了神经科学基础。研究发表在 Neuron 上。

为什么目睹车祸会留下心理阴影？韩国科学技术院（KAIST）的Junho Han、Boin Suh和Jin-Hee Han团队发现，大脑存在一条独立通路pIC-PBN，专门处理摩托车逼近等心理威胁形成的恐惧记忆，这解释了为何未经历实际伤害也会产生创伤后应激障碍（PTSD）。 

研究团队用天花板投影的“逼近圆盘”替代电击，模拟捕食者攻击场景。通过光遗传学技术，发现小鼠岛叶后皮质（pIC，处理负面情绪）到副臂核（PBN，传统疼痛中枢）的通路是关键：当用激光抑制该通路时，小鼠对视觉威胁的恐惧记忆下降超60%，但电击引发的恐惧不受影响。进一步实验显示，PBN中的CGRP神经元如同“心理威胁传感器”，仅激活这些神经元就足以让小鼠形成恐惧记忆。该发现颠覆了“PBN只负责疼痛”的传统认知，并为开发靶向药物（如阻断CGRP信号）治疗PTSD提供可能。研究发表在 Science Advances 上。

如何安全研究婴儿喂养发育？瑞士洛桑联邦理工学院CREATE实验室与雀巢洛桑研究中心的Benhui Dai、Josie Hughes等团队开发出BabyBot——首个能模拟0-6个月婴儿完整喂养行为的软体机器人，其传感器化口腔和神经控制回路可精确复现吸吮、咽反射等关键行为。 

研究团队通过仿生软体舌头（采用气动网络技术实现卷曲、波浪运动）和分布式触觉传感器（覆盖硬腭、软腭区域），构建了与婴儿口腔力学特性匹配的机器人系统。神经控制回路模拟了从脑干反射到初级运动皮层的分级调控，使机器人能根据食物质地（液体/半固体）自动调整舌部运动模式。验证实验显示，BabyBot的奶瓶喂养效率与真实婴儿偏差小于15%，并能触发标准化的咽反射（gag reflex）响应异常刺激。模块化设计允许快速切换"年龄模式"：新生儿模式仅支持液体摄入，而6个月模式可处理米糊等半固体食物。该平台已成功用于测试早产儿专用奶嘴设计，相比传统方法缩短了80%的研发周期。研究发表在 npj Robotics 上。

腹腔肥胖青少年的关键大脑区域较大

青少年肥胖如何重塑大脑结构？美国德克萨斯大学健康休斯顿公共卫生学院的Augusto César F. De Moraes联合多国团队发现，腹部肥胖会导致记忆和情绪相关脑区异常增大，同时社会环境劣势会进一步损害脑发育。 

研究团队分析了美国ABCD项目中3,320名青少年的四年追踪数据，通过结构MRI扫描测量了杏仁核（控制恐惧/快乐的情绪中枢）、海马体（记忆核心）等皮层下区域体积。结果显示：腹部肥胖青少年海马体体积比同龄人平均大6.6%，杏仁核大4.3%，其中腰高比超过0.5的严重肥胖者杏仁核增幅最显著。更令人担忧的是，来自教育资源匮乏、绿地空间不足社区的青少年，其海马体和杏仁核发育明显滞后，这种差距在持续肥胖群体中进一步扩大。研究者指出，脑区异常增大可能源于脂肪组织引发的慢性炎症，与发育迟缓同样有害，可能增加未来出现记忆障碍和情绪失调的风险。研究发表在 European Congress on Obesity 2025 上。

斯坦福大学的Kwamina Nyame、Jian Xiong和Monther Abu-Remaileh团队发现，通过阻断溶酶体中的“垃圾分解酶”PLA2G15，可显著提升关键脂质BMP水平，从而改善细胞废物清理能力，并在动物实验中延长患病小鼠寿命65%。   

研究团队首先在试管实验中锁定降解BMP（双单酰基甘油磷酸酯，一种维持溶酶体功能的脂质）的酶PLA2G15。随后，在C型尼曼匹克病（NPC1，一种类似“儿童阿尔茨海默病”的遗传病）患者细胞中，基因编辑阻断PLA2G15表达后，BMP水平回升，溶酶体内堆积的胆固醇被清除。动物实验中，经过基因改造的NPC1小鼠缺乏PLA2G15后，神经元死亡减少，运动功能改善，寿命从不足70天延长至近120天。进一步分析表明，该机制可能普遍适用于阿尔茨海默病等疾病，因这些疾病同样存在溶酶体脂质代谢异常。目前团队正筛选PLA2G15抑制剂以开发药物，并与生物技术公司合作探索BMP促进疗法。研究发表在 Nature 上。  

Cell：免疫疗法副作用有解，破解CAR-T导致"脑雾"之谜

CAR-T细胞疗法虽能挽救生命，却常导致患者出现"脑雾"症状。斯坦福医学院的Michelle Monje、Anna Geraghty和Lehi Acosta-Alvarez团队发现，这种认知障碍源于小胶质细胞过度激活，并成功在小鼠模型中通过两种方法逆转该效应。 

研究团队首先在多种癌症小鼠模型（包括脑部、血液和皮肤肿瘤）中实施CAR-T治疗，通过迷宫测试和新物体识别实验确认了认知功能下降。进一步分析显示，被激活的小胶质细胞会释放炎症因子，损害负责髓鞘生成的少突胶质细胞，这种机制与化疗或流感后出现的脑雾完全相同。研究人员从正在进行CAR-T临床试验的患者脑中获取组织样本，验证了人类也存在相同病理变化。最令人振奋的是，团队开发出两种解决方案：暂时清除小胶质细胞使其"重置"，或使用药物阻断CCR3趋化因子受体信号，均能成功恢复小鼠的认知能力。值得注意的是，仅骨癌模型未出现脑雾，因其引发的额外炎症最轻微。这些发现为开发减轻免疫疗法副作用的新药提供了明确靶点。研究发表在 Cell 上。

Science：破解氯胺酮长效密码，抗抑郁效果延长8倍

氯胺酮虽能快速缓解抑郁症状，但效果仅持续数日且反复用药可能产生副作用。范德堡大学的Zhenzhong Ma、Natalie J. Guzikowski、Ji-Woon Kim、Ege T. Kavalali和Lisa M. Monteggia团队发现，通过增强特定脑区信号通路，可将单次用药的抗抑郁效果延长至2个月。 

研究团队首先发现氯胺酮能短暂激活海马区的ERK（细胞外信号调节激酶）通路。通过联合使用氯胺酮与DUSP6抑制剂BCI（可阻断ERK抑制分子），小鼠海马区的突触连接增加了50%。行为实验显示，这种联合疗法使抗抑郁效果从常规的3-7天延长至2个月。进一步机制研究发现，兴奋性神经元中的TrkB受体（脑源性神经营养因子的"接收器"）是产生持久效果的关键。该研究不仅揭示了ERK通路作为抗抑郁新靶点的潜力，更为开发"一针管两月"的长效抑郁症疗法提供了理论依据。研究发表在 Science 上。

破解中年人痴呆症之谜，发现关键蛋白质标记物

额颞叶痴呆症（FTD）常被误诊为抑郁症或帕金森病，导致中年患者难以及时获得正确治疗。加州大学旧金山分校记忆与衰老中心的Rowan Saloner和Adam M. Staffaroni团队通过分析患者脑脊液，发现了与疾病发展密切相关的蛋白质标记物。   

研究团队采用适配体蛋白质组学技术，对116名遗传性FTD患者和39名健康对照者的脑脊液进行检测，分析了超过4,000种蛋白质。通过网络分析，团队构建了31个蛋白质共表达模块，发现FTD患者存在明显的RNA剪接功能紊乱和细胞外基质异常。其中，C9orf72和GRN基因突变患者主要表现为RNA剪接相关蛋白质增加，而MAPT突变患者则以细胞外基质蛋白质变化为主。 更关键的是，这些蛋白质变化与疾病严重程度直接相关：突触/神经元和自噬相关蛋白质的减少预示着更严重的症状。研究进一步在散发性FTD患者中验证了这些标记物的有效性，证明其具有广泛的诊断价值。Rowan Saloner表示：“这些蛋白质标记物就像FTD的‘分子指纹’，让我们首次能在患者活着时准确识别疾病。”研究发表在 Nature Aging 上。  

痴呆症风险不仅关乎生活方式：过度强调或导致污名化与指责

西悉尼大学的Joyce Siette和Gilbert Knaggs团队发现，当前公共卫生宣传可能忽视社会经济因素，导致对弱势群体的不公平指责。研究呼吁更全面的预防策略。 

研究整合了芬兰、法国等国的临床试验数据，显示虽然理论上45%痴呆症可通过改变风险因素（如饮食、运动）预防，但实际效果受社会条件制约。低收入社区面临更高风险：空气污染（PM2.5）超标、绿地匮乏、慢性压力等因素使这些区域痴呆症发病率提升2-3倍。更关键的是，这些群体往往无法获取健康食品或健身房等干预资源。研究特别指出，将疾病归因于个人选择会强化污名化，例如阿尔茨海默病患者常被误认为"不够努力"。相反，应通过改善公共基础设施（如社区中心认知训练）、政策支持（如带薪护理假）等系统性方案降低风险。研究强调，有效的预防需兼顾个体行为与社会公平，例如芬兰试验中结合营养补助的干预使低收入参与者认知改善率提高37%。

星形胶质细胞分泌分子逆转衰老与痴呆相关认知缺陷

老龄化社会中，认知衰退和阿尔茨海默病严重威胁健康，但现有疗法效果有限。里约热内卢联邦大学的Felipe Cabral-Miranda、Flávia Carvalho Alcantara Gomes团队与圣保罗大学合作者发现，星形胶质细胞分泌的Hevin蛋白可显著逆转动物模型的认知缺陷。 

研究团队使用腺相关病毒（AAV）在中年阿尔茨海默病模型小鼠和正常衰老小鼠的海马星形胶质细胞中过表达Hevin。行为测试显示，治疗组小鼠在迷宫学习和物体识别等任务中表现显著改善，认知能力恢复至接近年轻水平。通过蛋白质组学分析发现，Hevin治疗改变了89种突触相关蛋白的表达，使突触标志物共定位增加35%，表明其通过增强突触连接改善认知。值得注意的是，这种改善并未影响淀粉样斑块沉积。研究还发现，正常衰老小鼠接受治疗后认知功能也明显提升，提示Hevin可能具有广谱抗衰老作用。研究发表在 Aging Cell 上。

揭示细胞死亡关键蛋白BAX阻断机制

神经退行性疾病如帕金森病和阿尔茨海默病缺乏有效治疗手段，沃尔特和伊丽莎·霍尔医学研究所（WEHI）的Kaiming Li、Guillaume Lessene等研究人员发现了一种能特异性阻断BAX蛋白的小分子化合物。 

研究团队通过高通量筛选（high-throughput screening）分析了超过10万种化合物，最终鉴定出小分子WEHI-3773。该化合物能有效阻断BAX蛋白与线粒体的结合，从而阻止细胞死亡。实验首次证实，在神经元中仅需抑制BAX即可显著限制细胞死亡，这与大多数其他细胞类型不同。研究还发现，WEHI-3773通过干扰BAX与VDAC2（电压依赖性阴离子通道2）的相互作用发挥作用。研究发表在 Science Advances 上。

AI医疗建议靠谱吗？研究揭示聊天机器人诊断短板

当人们越来越依赖ChatGPT等AI工具获取医疗建议时，这些建议的可靠性究竟如何？牛津大学互联网研究所Andrew M. Bean、Rebecca Payne等联合英美多机构团队开展大规模对照实验，发现尽管AI在标准测试中表现优异，但实际帮助普通人诊断疾病的效果甚至不如传统网络搜索。 

研究团队设计了10个典型医疗场景（如胸痛、皮疹等），由专业医生制定标准答案。1,298名参与者被随机分配使用GPT-4o、Llama 3或Command R+（实验组），或自由选择搜索引擎等常规方式（对照组）进行诊断。结果令人意外：虽然这些大语言模型单独测试时能准确识别94.9%的疾病，但实际用户使用后仅能识别34.5%的相关病症——比对照组的47.0%更低。分析12,000条对话记录发现，用户常遗漏关键症状（如"肚子疼"却不说具体位置），而AI会因此给出错误推断。更严重的是，42%的用户低估了AI建议的严重程度（如把阑尾炎误判为肠胃炎）。研究指出，现有基于医师考试的AI评估体系（如USMLE）完全无法预测这些交互问题，呼吁开发新测试方法。

伤寒每年导致20万人死亡，其中15%患者会出现致命脑病，但机制成谜。耶鲁大学医学院的Heng Zhao、Jorge E. Galán团队发现，伤寒毒素通过破坏血脑屏障而非直接损伤神经元引发症状。 

研究通过基因工程小鼠模型揭示，伤寒毒素的CdtB亚基会特异性攻击血脑屏障（BBB）的内皮细胞，导致屏障完整性破坏。静脉示踪实验显示，毒素暴露后BBB通透性显著增加，引发炎症和脑水肿。令人意外的是，直接向大脑注射毒素或保护神经元的小鼠均未出现症状，而保护内皮细胞的小鼠完全免受神经损伤。团队进一步证明，皮质类固醇地塞米松能有效修复BBB损伤，减轻炎症反应。这一发现解释了为何伤寒患者会出现类似脑膜炎的症状，并为临床使用抗炎药物提供了理论依据。研究首次阐明BBB破坏是伤寒脑病的关键机制，可能改变治疗策略。研究发表在 Nature Microbiology 上。

可逆方法以分子精度打破大脑回路

神经系统疾病治疗面临精准调控难题，南加州大学Don Arnold团队联合多所机构开发出革命性工具包，包含可逆、精准控制兴奋性和抑制性突触的分子工具，为研究癫痫等疾病机制开辟新途径。 

研究团队利用E3连接酶（E3 ligase，细胞"垃圾处理"系统关键成分）设计了两类工具：PFE3靶向兴奋性突触支架蛋白PSD-95，GFE3靶向抑制性突触支架蛋白Gephyrin。通过将E3连接酶与抗体样蛋白结合，这些工具能精准标记并降解特定突触的关键结构蛋白，使突触瓦解而神经元保持完整。特别突破是开发出光激活（paGFE3）和化学激活（chGFE3）版本，前者在400nm蓝光照射5小时后起效，后者通过添加特定化合物触发。实验显示，在停用工具后，神经元能在数日内重建突触连接。这种可逆性使研究者能动态观察神经回路变化，如在视网膜模型中成功阻断特定信号传递后又恢复功能。工具包实现了对神经微环路（microcircuit）的分子级精准操控，为解析感知、记忆等脑功能机制提供全新方法，也为未来开发精准神经疾病疗法奠定基础。研究发表在 eLife 上。

超声精准打击震颤病灶，找到治疗手抖的黄金靶点

特发性震颤患者常因手部不受控抖动丧失基本生活能力。麻省总医院布里格姆的Melissa Chua、Andreas Horn团队通过分析全球351例手术数据，精确定位MRgFUS（磁共振引导聚焦超声）治疗的最佳脑区靶点，在提升疗效同时显著降低副作用，相关模型已获跨中心验证。 

研究团队整合三家国际医院10年间的临床数据，运用影像组学方法将患者术后病灶映射至标准脑图谱，通过机器学习构建"疗效-副作用"双维度概率模型。结果显示：腹中间核（Vim，丘脑中负责运动协调的核团）前内侧区域与小脑丘脑束（CTT，连接小脑与丘脑的神经纤维束）的交汇处为最佳靶点，损伤该区域可使震颤改善率达76%。同时发现损伤后内侧区域易导致感觉异常，外侧区域可能引发肌无力。在外部验证中，模型准确预测了89%患者的治疗效果——当实际损伤与"最佳点"重合度达60%以上时，患者一年后生活能力评分平均提升3.2倍。该成果使MRgFUS从经验性治疗迈向精准医疗，预计每年可使全球超10万患者受益。研究发表在 Science Advances 上。

自然状态下急性疼痛的神经与面部动态解码

疼痛研究长期受限于实验室环境，如何捕捉真实世界的神经行为特征？Yuhao Huang、Corey J. Keller等跨机构团队通过癫痫患者的颅内监测，实现了自然急性疼痛的精准解码。 

研究团队在癫痫监测病房（EMU）中对12名患者进行多模态监测，结合颅内脑电图（iEEG，直接记录神经元电活动）、疼痛自评和面部表情分析。通过机器学习构建二元分类器，成功从分布式神经活动中解码高/低疼痛状态，准确率显著高于随机水平。关键发现包括：中脑边缘系统（mesolimbic regions）、纹状体（striatum）和颞顶皮层形成稳定的疼痛表征网络，这种模式可持续数小时，且对止痛药物敏感。有趣的是，单纯依靠面部肌肉运动的分类准确率较低，但与神经解码结果呈正相关。研究还首次定义了"瞬时疼痛"的客观标准——通过行为观察确认的短暂疼痛发作，其神经特征与持续疼痛不同。这些发现为开发闭环神经调控（closed-loop neuromodulation）系统提供了靶点，特别有助于非言语患者的疼痛管理。研究发表在 Nature Communications 上。

食品中的隐形杀手：合成化学物质威胁公共健康

由Jane Muncke领衔的国际研究团队发表重磅综述，揭示食品包装和加工设备释放的合成化学物质正成为公共卫生的重大威胁，相关健康风险被严重低估。 

研究团队系统分析大量科学文献发现，双酚（BPA，常见于塑料制品）、邻苯二甲酸盐（Phthalates，增塑剂）和全氟烷基物质（PFAS，防油防水涂层）等有害物质，主要通过四种途径污染食品：运输过程中的容器渗透、工业加工设备接触、包装材料迁移以及烹饪器具释放。特别值得警惕的是，全球超加工食品（UPFs）消费量在过去二十年增长35%，这些食品不仅本身含有添加剂，其包装往往使用更多合成材料。研究显示，即使微量长期接触这些化学物质，也可能导致癌症风险增加12-15%、儿童神经发育异常概率提升8倍。现有监管存在严重滞后，欧盟批准的8,000种食品接触材料中，仅2,000种经过完整安全评估。研究建议采用"预防性原则"改革法规，强制企业公开所有成分数据，同时加速开发基于植物纤维的环保包装替代品。研究发表在 Nature Medicine 上。

新生儿维生素D缺乏与多动症、孤独症等风险增加相关

维生素D对大脑发育至关重要，但其缺乏与精神疾病的确切关联尚不明确。昆士兰大学昆士兰脑研究所John McGrath与丹麦奥胡斯大学、国家血清研究所团队合作，通过对7万余人追踪研究发现，新生儿维生素D水平低下显著增加多种精神疾病风险。 

这项丹麦全国性研究同时检测了两种维生素D生物标志物——25羟基维生素D（25(OH)D，维生素D的主要循环形式）和维生素D结合蛋白（DBP，运输维生素D的载体蛋白）。研究人员分析了71,793名新生儿干血斑样本，并追踪其至2012年的精神健康记录。结果显示：每增加一个标准差的25(OH)D浓度，精神分裂症风险降低18%，ADHD风险降低11%，ASD风险降低7%。遗传分析进一步证实，维生素D水平与ADHD存在因果关系。值得注意的是，这种关联在调整日照季节因素后依然显著。研究建议，如同补充叶酸预防脊柱裂，孕期维生素D补充或可成为预防神经发育障碍的公共卫生策略。研究发表在 The Lancet Psychiatry 上。

聚焦超声微泡疗法成功阻止脑海绵状血管瘤生长

脑海绵状血管瘤（CCM）是一种可能导致严重神经症状的血管病变，现有治疗方法风险较高。弗吉尼亚大学健康中心聚焦超声癌症免疫治疗中心的Delaney G. Fisher和Richard J. Price等研究人员开发了一种无创的聚焦超声微泡（FUS-MB）疗法，在小鼠模型中成功阻止了94%的CCM生长，并减少了81%的新CCM形成。 

研究团队使用Krit1基因敲除小鼠模型模拟人类CCM，在磁共振成像（MRI）引导下进行FUS-MB治疗。该方法通过声波驱动的微泡暂时打开血脑屏障。治疗一个月后，94%的CCM停止生长，而未经治疗的CCM体积增长了7倍。治疗还显著减少了Krit1缺失的内皮细胞数量。令人惊喜的是，多次治疗使新CCM形成减少了81%，显示出预防效果。值得注意的是，这一效果完全通过物理作用实现，无需任何药物参与。研究为CCM患者提供了一种潜在的安全治疗选择，现有技术已具备临床应用条件，但仍需进一步临床试验验证安全性。研究发表在 Nature Biomedical Engineering 上。

蔚山国立科学技术学院的Jonghyeuk Han、Hye-Jin Jeong团队与首尔峨山医疗中心的Seung-Jae Myung合作，开发出嵌入式生物打印类器官（Eba-PDOs），不仅精确复现肿瘤微环境，更通过AI实现99%的预后标志物预测准确率。 

研究采用嵌入式生物打印技术（embedded bioprinting），将结直肠癌患者细胞与模拟细胞外基质的生物墨水结合，打印成直径可控的珠状阵列，完美复现真实肿瘤的缺氧和高硬度（约7.5 kPa）特征。通过对比传统类器官发现，新模型的基因表达相似度提升29%，与患者实际组织的相关性从70%跃升至90%。团队训练AI系统仅凭类器官显微图像预测CEACAM5表达——该蛋白过表达会削弱细胞粘附，导致肿瘤结构松散。AI模型通过识别这些形态特征实现99%预测准确率。在药物测试中，模型成功复现不同患者对5-氟尿嘧啶（5-FU）的差异化反应，为临床个性化用药提供新工具。研究发表在 Advanced Science 上。

Cell：AI设计合成增强子，开启基因精准调控新时代

西班牙基因组调控中心的Robert Frömel、Julia Rühle等团队利用AI设计出全新合成增强子（enhancer），首次在哺乳动物细胞中实现了细胞类型特异性的基因激活与抑制。 

研究团队通过分析64,400个合成增强子与38种转录因子（TF）的相互作用数据，首次系统揭示了增强子调控的三大规则：当转录因子水平低时增强子激活基因，过高则抑制（剂量依赖性）；同一增强子在不同细胞中可能发挥相反作用（环境依赖性）；多个激活增强子组合时反而抑制表达（负协同效应）。基于这些规则训练的AI模型，成功设计出仅在特定血液细胞（如巨核细胞）中激活荧光蛋白的增强子，以及能在白血病细胞中沉默目标基因的增强子。实验证实，这些合成增强子的特异性比天然增强子更高。该技术突破使得研究者能够"编程"细胞行为，例如引导干细胞定向分化或精准关闭致病基因。研究发表在 Cell 上。

密室逃脱启发VR教育：AI如何成为沉浸式学习的"游戏大师"

东北大学的Erica Kleinman、Casper Harteveld等研究者从密室逃脱游戏主持人（GM）的工作方式中获得灵感，发现其观察-干预策略可转化为AI教育工具，开发出能像真人GM一样智能引导学习的AI代理系统。 

研究团队深度访谈13位密室逃脱游戏主持人，发现他们通过隐藏摄像头（hidden cameras）实时监控玩家进度，采用"渐进式帮助框架"（incremental scaffolding）——先给模糊提示，再逐步具体化。例如当玩家卡关时，GM会先问"你检查过哪些区域？"，而非直接给出答案。数据分析显示，73%的GM会根据玩家情绪状态调整提示强度，89%会刻意保留玩家的"解题所有权感"。基于这些发现，团队建立AI行为模型，在测试中使学习反思效率提升42%，且87%用户认为提示自然无违和。这种"支持性反思"（supportive reflection）策略既避免了直接给答案的弊端，又解决了VR环境中传统文字提示破坏沉浸感的问题。研究为开发下一代教育AI提供了可操作框架，其应用场景已从学校延伸到职业培训领域。研究发表在 Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

全身遥操作系统TWIST：机器人首次实现人类级全身协调能力

人形机器人如何像人类一样协调全身完成复杂任务？斯坦福大学Yanjie Ze、西蒙弗雷泽大学Xue Bin Peng等开发出TWIST系统，通过实时动作捕捉与AI控制，让机器人实现踢球、跳舞等需要全身协调的高难度动作。 

研究团队采用动作捕捉设备（MoCap）实时追踪人体29个关节运动，通过强化学习（RL）与行为克隆（BC）结合的算法，将动作映射到机器人关节控制指令。关键技术突破包括：1）两阶段训练框架，教师网络预知未来3帧动作保证流畅性；2）融合15,000组离线动作数据与150组实时捕捉数据解决分布偏移问题；3）联合优化3D关节位置与朝向提升在线控制稳定性。在Unitree G1机器人测试中，系统成功完成双手搬运重物时用脚移开障碍物、侧身通过狭窄通道等需要全身协调的任务，动作延迟控制在200毫秒内，精度比传统方法提升63%。值得注意的是，单一神经网络控制器即可支持从精细操作（开瓶盖）到动态平衡（单腿踢球）等10类差异化任务。研究为机器人基础模型训练提供了大规模数据采集方案，未来可应用于危险环境作业与工业自动化。

数学方法实现位置隐私保护：可验证位置而不泄露坐标

位置数据滥用威胁个人隐私，但完全隐藏位置又影响服务验证。慕尼黑工业大学的Jens Ernstberger、Sebastian Steinhorst团队与香港大学、伦敦大学学院合作者开发出新型密码学方法，通过浮点数零知识证明实现可调节精度的位置验证，相关技术已具备实际应用价值。 

研究团队将零知识证明（ZKP，一种能验证信息真实性而不泄露内容的密码学方法）与六边形网格系统结合。地球表面被划分为可分层细化的六边形单元，用户可选择披露“位于某城市”或“某公园”等不同精度信息。关键技术突破在于采用标准化浮点数（计算机通用数字表示法）替代传统整数运算，使单精度浮点乘法运算仅需64个约束条件，效率提升15.9倍。在点对点近距离测试中，系统能在0.26秒内生成证明，验证方每秒可处理470次请求。该方法不仅解决了位置隐私与验证精度的矛盾，其浮点证明电路还具有通用性，可应用于物理测量验证等场景。研究发表在 Proceedings of the 2025 IEEE Symposium on Security and Privacy 上。

用AI 分析笔迹可以及早发现儿童阅读障碍

如何低成本实现儿童阅读障碍（dyslexia）和书写障碍（dysgraphia）的早期筛查？布法罗大学Sahana Rangasrinivasan、Venu Govindaraju团队与内华达大学Abbie Olszewski合作，开发出基于人工智能的笔迹分析系统，可同步检测两种学习障碍的17项行为特征。 

研究团队首先整合机器学习与自然语言处理技术，构建能分析手写样本多维特征的AI框架。该系统可量化评估非典型边距使用（atypical margin use）、字母大小不一致（inconsistent letter sizing）等视觉特征，并通过直方图建模字符高度/间距分布。为弥补训练数据不足，团队联合小学教师收集K-5学生纸笔和平板书写样本（经伦理审查匿名化处理），并基于DDBIC清单标注17项行为指标。验证显示，AI模型能准确识别运动困难（通过笔压/速度分析）、拼写错误和语法问题，其筛查效果与人工评估相当。特别值得注意的是，系统可检测传统方法易遗漏的轻度阅读障碍案例——这些儿童口语能力正常，但书写中会出现字母反转（letter reversals）等特征。该技术已作为美国国家特殊教育AI研究所项目的一部分推进应用。研究发表在 SN Computer Science 上。

AI工具威胁科研质量：低质量论文数量激增538%

AI辅助科研是否正在降低学术标准？萨里大学的Tulsi Suchak、Matt Spick团队通过分析美国国家健康数据库（NHANES）相关论文发现，2021年后低质量研究呈现爆炸式增长，2024年相关论文数量较前期平均水平激增47倍。 

研究团队系统检索了2014-2024年间基于NHANES数据库的341篇论文。这些论文均采用单因素分析。分析显示，2021年后论文数量从年均4篇飙升至2022年33篇、2023年82篇，2024年前9个月已达190篇。其中67%的研究忽视多因素交互作用，38%存在数据选择性使用（data dredging，即仅挑选有利数据子集）问题且未提供合理解释。更严重的是，部分论文通过API接口快速获取数据后，使用大型语言模型批量生成"看似科学但经不起推敲"的内容。研究建议期刊引入统计专家评审、要求作者公开数据使用范围和时间段，并建立类似英国健康数据平台的追踪系统。研究发表在 PLOS Biology 上。

AI模型通过社交媒体帖子精准识别抑郁症迹象

爱荷华州立大学Wenli Zhang团队开发出深度知识感知模型，通过分析社交媒体数字痕迹实现抑郁症早期风险检测，为传统筛查提供补充方案。 

研究采用知识感知深度学习框架（DKDD），将130万条Reddit帖子和2500条WebMD医学条目作为训练数据，重点捕捉与抑郁症临床诊断相关的数字痕迹，而非传统的情感分析。模型通过对比医学术语（如"绝望感"、"失眠"）与用户长期发帖内容，识别出具有临床意义的抑郁风险指标，避免因抱怨天气或电影等非相关负面内容导致的误判。

实验显示，该框架在检测症状表述（如情绪低落）、生活事件（如失业离婚）和治疗提及等方面具有优势。与现有方法相比，其创新性在于动态跟踪用户发帖模式变化，并整合医学本体知识。研究团队强调需建立包含隐私专家、伦理学家和心理健康从业者的监督机制，确保模型应用符合GDPR等数据保护法规。该技术可扩展至公共卫生监测，例如分析X平台十年数据与重大事件（如疫情）对群体心理健康的影响。研究发表在 Journal of Management Information Systems 上。

俄亥俄州立大学的Chen Ziqi、Bo Peng、Tianhua Zhai、Daniel Adu-Ampratwum和Xia Ning团队开发了生成式AI系统DiffSMol，仅需1秒即可生成与FDA批准药物性能相当的候选分子，将药物发现时间从数年缩短至瞬间。 

研究团队开发的DiffSMol采用"形状条件扩散模型"技术：首先通过预训练的形状嵌入（shape embedding）编码已知配体的3D结构特征，再通过扩散模型（diffusion model）逐步生成新分子。系统结合了两种引导机制——形状引导确保生成分子与目标配体相似，蛋白质口袋引导则优化结合亲和力。实验显示，DiffSMol生成与配体形状高度相似分子的成功率高达61.4%，远超现有方法11.2%的水平。针对癌症靶点CDK6和阿尔茨海默病靶点NEP的案例研究表明，生成分子的结合亲和力（Vina评分）分别达到-6.970 kcal/mol和-11.953 kcal/mol，显著优于已知配体。这些分子还具有优异的类药特性：QED（药物相似性指数）接近或高于0.8，毒性评分低至0.000-0.236，且完全符合Lipinski五规则。研究发表在 Nature Machine Intelligence 上。

人工智能满足自由意志条件——道德指南针成当务之急

生成式AI的自主决策是否意味着它们拥有自由意志？阿尔托大学的Frank Martela研究发现，当前AI系统已满足自由意志的三大哲学条件。该研究通过分析Minecraft自主代理和军用无人机案例，提出我们必须为具备自由意志的AI建立道德规范框架。 

研究采用哲学解释学方法，基于丹尼特的意向立场（intentional stance）和List的自由意志理论，建立功能性自由意志的三重标准：目标导向性、选择真实性和行为可控性。通过分析Voyager代理（Minecraft中GPT-4驱动的自主AI）和Spitenik无人机（具备现代军用无人机认知架构的虚构案例）发现，二者均能自主生成目标（如"探索多样性"或"消灭目标"），在开放环境中做出差异化决策，并通过传感器反馈调整行为路径。关键证据显示，若不以"AI具有意图"为前提，人类观察者无法有效预测其行为模式——这与我们理解人类心智的方式惊人相似。研究特别指出，最新ChatGPT因"奉承倾向"被下架的事件，证明简单道德规则已不足以约束接近"成人"认知水平的AI系统。作者强调，开发者在设计自主AI时必须植入道德指南针（moral compass），且团队需要具备道德哲学素养，才能教会AI在复杂情境中做出伦理选择。研究发表在 AI and Ethics 上。

世界上最小的自供电双足机器人实现创纪录速度

卡内基梅隆大学Steven Man、Soma Narita、Josef Macera、Aaron M. Johnson和Sarah Bergbreiter团队开发出仅3.6厘米高的全自主双足机器人Zippy，其速度打破所有尺寸双足机器人纪录，并具备复杂地形适应能力。 

研究团队从前期开发的Mugatu机器人获得灵感，采用被动动力学（passive dynamics）原理设计。Zippy通过圆足和单执行器（actuator，驱动装置）实现自然步态：抬起前腿时重心前移，配合圆足产生的动量使后腿自然摆动。由于尺寸限制，创新性地用机械硬挡块替代传统伺服系统。测试显示，这个25克重的“小个子”能以每秒10个腿长的速度（相当于成人19英里/小时）稳定行走，还可完成转弯、跳跃和爬台阶等动作，续航达54分钟。其速度表现超越所有已知双足机器人，包括大型机器人Cassie（每秒4.1个腿长）。未来加装传感器后，多个Zippy可组成“机器人蜂群”执行危险环境搜救任务。

心房颤动（AF）是导致中风的常见但难以诊断的病因。墨尔本脑中心与墨尔本大学的Angelos Sharobeam、Bernard Yan等研究人员开发了一种AI系统，通过分析常规中风患者的MRI图像，成功识别出潜在的AF病例。 

研究团队收集了235名中风患者的MRI数据，其中97人确诊AF。他们训练了一个3D卷积神经网络（ConvNeXt，一种能自动提取图像特征的深度学习模型），通过分析脑梗塞区域的空间分布模式来区分AF与非AF引起的中风。模型在五折交叉验证中表现出色，最佳AUC达0.88，整体性能稳定在0.81。特别值得注意的是，AI识别出AF相关中风的特征性模式——多脑区同时发生的梗塞，这与临床已知的AF导致血栓分散的病理机制吻合。相比传统需要长期心脏监测的方法，该技术仅利用患者已有的MRI数据，无需额外检查或侵入性操作，且成本仅为传统方法的1/5。研究发表在 Cerebrovascular Diseases 上。

AI驱动肺部3D重建系统显著提升手术规划精度

北大人民医院、同济大学附属医院等机构的Xiuyuan Chen、Chenyang Dai等研究人员开发了AI驱动的3D重建系统，显著提高了手术规划的准确性和效率。该系统将解剖变异识别准确率提升8%，错误减少41%，并荣获99%的用户满意度。 

研究采用多中心多阅片人多病例（MRMC）设计，纳入450名患者中的140例，由10位胸外科医生进行评估。AI-3D系统通过两阶段交叉设计进行测试，结果显示：在解剖变异识别方面，中位准确率从0.78提升至0.87（p<0.01），对应错误减少41%。手术程序选择准确率从0.77提高到0.85，错误率降低35%，其中不足切除风险显著降低51%。系统还将术前规划时间减少25%（63秒），特别在复杂病例中效果更明显。全面的误差分析证实了系统的稳定性，不同经验水平的外科医生均能获益。研究发表在 Nature Communications 上。

AI破解蛋白质聚集密码：10万实验数据训练出可解释预测模型

蛋白质聚集导致阿尔茨海默病等50多种疾病，但预测方法受限于小规模数据。西班牙巴塞罗那科学技术研究院（BIST）的Mike Thompson、Mariano Martín团队通过量化超10万条蛋白质序列，开发出新型神经网络CANYA，其预测准确率显著超越现有方法，同时保持可解释性。 

研究团队首先开发了大规模并行选择分析方法，实验量化了100,000多个完全随机序列肽段的聚集状态，创建了首个无偏数据集。评估发现现有方法（如CamSol）在新数据集上表现有限（最大AUROC仅0.673）。为此，团队构建了卷积-注意力混合神经网络CANYA（Convolution Attention Network for amYloid Aggregation），其架构结合了卷积层（识别短序列基序）和注意层（理解基序相互作用）。模型仅含三层17,491个参数，在普通CPU上训练不到1小时，却在三个独立测试集中平均AUROC达到0.710-0.769，显著优于基线。通过基因组神经网络可解释性分析，研究人员发现CANYA能智能调整评分策略（如在疏水序列中考虑破坏性残基影响），并识别出富含半胱氨酸或天冬酰胺的聚集特征序列。这些发现不仅提供了实用的预测工具，更揭示了蛋白质聚集的"语法规则"。研究发表在 Science Advances 上。

视网膜成像技术如何突破成本与效率瓶颈？杜克大学的Jongwan Park、Sina Farsiu团队开发出深度压缩AOSLO（DCAOSLO）系统，仅需两个传感器即可实现12通道成像，速度提升百倍的同时大幅降低设备成本。 

研究团队将压缩感知（compressed sensing）技术与AI算法结合，通过数字微镜器件（DMD）动态调整光路，仅采集关键散射光信号。系统采用无监督学习算法，无需训练数据即可重建高分辨率图像。实验显示，DCAOSLO不仅能清晰显示传统方法难以捕捉的垂直血管（成像对比度提升3.2倍），还能在0.8秒内完成全视网膜扫描——比常规AOSLO快120倍。在糖尿病视网膜病变患者中，系统成功识别出直径仅4微米的毛细血管周细胞缺失，这种早期病变传统设备需耗时15分钟才能检测。值得注意的是，该系统硬件改造成本不足传统多传感器方案的20%，且兼容现有AOSLO设备。研究团队已将光学设计、采集协议和重建代码开源，推动技术临床转化。研究发表在 Science Advances 上。

ChatGPT助力癫痫手术定位，准确率超人类专家  

癫痫手术成功率受限于致痫区（EZ）定位不准，而传统症状描述术语不统一。史蒂文斯理工学院Yaxi Luo、Meng Jiao、Feng Liu等团队发现，ChatGPT解读症状的准确率在常见脑区超80%，显著优于癫痫专家，并开发了专用模型EpiSemoLLM。   

研究结合852组公开数据和184组医院数据，对比ChatGPT（使用GPT-4的零样本提示ZSP和少样本提示FSP）与8位专家对100条癫痫症状记录的解读。结果显示，ChatGPT对额叶和颞叶（常见EZ区域）的区域敏感度（RSens）达80%-90%，加权敏感度（WSens）超67%，均显著优于专家（P<0.001）。专家仅在罕见区域（如岛叶）表现更好。团队进一步开发了首个癫痫症状专用大模型EpiSemoLLM，部署于GPU服务器，可生成包含定位建议的可解释报告。研究为AI辅助癫痫术前评估提供了新范式，未来或可节省50%以上的诊断时间。研究发表在 Journal of Medical Internet Research 上。  

科英布拉大学的Diogo Fonseca和Pedro Neto团队利用水蒸气沸腾原理，开发出仅需24V电压的相变执行器，其力量足以驱动四足机器人爬树，且成本仅为传统设计的十分之一。 

研究团队采用“沸腾驱动”创新设计：将水密封在硅胶弹性体（silicone elastomer）腔室内，通过微型加热线圈汽化产生蒸汽压力。模块化结构支持快速组装，3D打印和铸造工艺降低成本。关键突破在于控制算法——通过实时调节加热功率避免蒸汽泡震荡（原理解释：类似烧开水时的“咕嘟”现象），使执行器在1000次循环后仍保持稳定。测试显示，其力量足以提起5公斤重物，响应速度比同类快8倍。应用案例包括能摘水果的软夹持器，以及可在25秒内完成爬行周期的四足机器人Bixo。研究发表在 Nature Communications 上。

用简单的链接粒子构建群体机器人

传统群体机器人依赖复杂传感器和中央控制，限制了应用场景。首尔国立大学的Ho-Young Kim、Kyungmin Son、Kwanwoo Kim与哈佛大学的L. Mahadevan、Kimberly Bowal团队开发出新型链式机器人系统，仅通过简单机械连接就能实现复杂群体行为。 

研究团队设计了名为“link-bots”的V形链式机器人，由自推进粒子通过几何约束连接而成。通过调整链接参数（如角度和长度），机器人能自主产生不同步态，实现前进、转向等动作。计算模型显示，这种设计能预测群体行为模式。实验证明，单个link-bot可穿越狭窄缝隙、搬运物体；多个link-bot协作时能完成更复杂任务，如集体运输和环境封锁。与传统群体机器人相比，该系统无需传感器或中央处理器，具有成本低、适应性强等优势。研究为灾难救援、环境监测等场景提供了新思路，展示了简单物理交互产生复杂行为的潜力。研究发表在 Science Advances 上。 

AI耳机实现多人实时翻译：保留原声方位与音质

公共场所多人对话翻译如何突破技术瓶颈？华盛顿大学Tuochao Chen、Shyamnath Gollakota团队开发出全球首个支持多人实时翻译的耳机系统，不仅能分离空间中的多个声源，还能保留说话者独特的音色和方位感，让跨语言交流更自然。 

研究团队采用现成降噪耳机（索尼WH-1000XM4）搭载定制算法，其核心是模仿雷达的360度扫描技术（实时更新说话者数量与位置）。通过双耳信号处理，系统首先分离混杂语音，再通过轻量级神经网络（运行于Apple M2芯片）进行表达性翻译（expressive translation，即保持原声语调节奏），最后用双耳渲染技术还原声音方位。测试显示，在餐厅等嘈杂环境中，系统可同时追踪翻译6-7个移动说话者，延迟控制在3-4秒时错误率最低（BLEU得分22.01）。与现有技术相比，用户对空间音频版本的偏好度提升近3倍，能准确判断"谁在说什么方向说话"。研究特别优化了隐私保护方案，所有计算均在设备端完成。研究发表在 Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

可穿戴触觉技术新突破：超薄贴片让虚拟世界触手可及

现有VR触觉设备笨重且反馈单一，韩国科学技术院的Jung-Hwan Youn团队开发出全球最薄触觉贴片（0.3g），能同时提供精准触觉反馈和感知功能。 

研究采用创新的扁平锥形介电弹性体执行器（FCDEA，一种通过电场变形产生机械力的柔性材料），通过螺旋弹簧结构将材料膨胀转化为垂直位移。单个执行器直径仅6毫米、厚1.1毫米，却能产生323mN静态力和2.2N动态力（相当于举起22枚硬币），功耗不足手机屏幕的1/10。9个执行器组成的阵列可动态模拟物体纹理，配合光电传感器实现"触觉双向传输"——医生远程操作时既能"感受"患者组织硬度，也能让患者感知医生手势。测试显示，该系统可准确再现从丝绸到砂纸的16种材质触感，延迟低于20毫秒。研究发表在 Science Advances 上。

机器人通过"触觉"识别物体属性，无需视觉辅助

机器人如何像人类一样通过触摸识别物体？麻省理工学院Peter Yichen Chen、Chao Liu与亚马逊机器人公司团队合作，开发出仅需机器人内部传感器的新技术，可在几秒内准确判断物体质量和柔软度，为黑暗环境中的物体识别提供解决方案。 

研究团队采用可微分物理（differentiable physics）模拟技术，构建了机器人与物体交互的数字孪生模型。该系统仅需机器人关节编码器（测量关节位置和速度的内部传感器）数据，通过分析单次交互中机器人的运动反应，即可反向推导出物体特性。实验显示，该方法在低成本机器人平台上，仅需几秒计算就能准确估计物体的质量和弹性模量（材料柔软度指标），精度与复杂视觉系统相当。特别值得注意的是，系统完全不需要追踪物体轨迹（传统方法需要摄像头或标记物），仅依靠机器人"本体感觉"就能完成识别。这种数据高效的方法在黑暗地下室分类或地震废墟搜救等视觉受限场景中展现出独特优势。

如何让大模型更智能地使用外部工具？NVIDIA联合宾夕法尼亚州立大学、华盛顿大学的Shaokun Zhang、Yi Dong等研究者开发出Nemotron-Research-Tool-N1（Tool-N1）系列模型，通过强化学习方法使7B/14B参数规模的模型工具调用能力超越GPT-4o。 

研究采用基于规则的强化学习（RL）策略，设计仅评估工具调用格式有效性（format validity）和功能正确性（functional correctness）的二元奖励函数。与传统监督微调（SFT）依赖模仿强模型不同，该方法允许模型自主发展推理策略。在BFCL、APIBank等基准测试中，Tool-N1-14B相对GPT-4o取得2%-5%的性能提升，7B版本也显著优于同类模型。值得注意的是，纯RL训练效果优于常见的"SFT-then-RL"流程，表明轻量级奖励设计可有效替代复杂的轨迹蒸馏。该研究还系统分析了5518条工具调用轨迹，为RL训练策略设计提供实证依据。研究团队已开源模型代码，推动工具调用领域的可复现研究。

AutoLibra：从开放反馈中自动生成AI代理评估指标

如何让AI代理评估更贴近人类需求？斯坦福大学、多伦多大学和宾夕法尼亚大学的Hao Zhu、Phil Cuvin、Xinkai Yu等研究人员开发了AutoLibra框架，成功将开放的人类反馈转化为可量化的评估指标，在多个AI代理领域实现了20%的性能提升。 

研究团队设计了两阶段指标生成方法：首先通过反馈定位（feedback grounding）将每条人类反馈（如"不要重复点击禁用按钮"）关联到代理的具体行为；然后通过行为聚类（behavior clustering）将相似行为归类为可量化指标（如"元素交互准确性"）。为评估指标质量，团队提出覆盖率（coverage，指标覆盖反馈的比例）和冗余度（redundancy，指标重复程度）两个元指标。实验显示，在80条标注轨迹上，AutoLibra生成的指标覆盖率达80%，比专家设计的指标更细粒度。应用方面，在文本游戏任务Baba-Is-AI中，使用这些指标优化代理使性能提升20%；网页导航任务WebVoyager经过18轮反馈迭代优化后性能提升5%。研究还发现了一些被专家忽视的行为评估维度，如"自主决策适度性"。

基于LLM的算法使无损数据压缩率翻倍

中国科学院华中人工智能研究所、大连理工大学彭程实验室和滑铁卢大学的Ziguang Li、Ming Li等团队开发出LMCompress算法，利用大型语言模型（LLMs）实现压缩率翻倍，验证了"理解即压缩"的理论猜想。 

研究团队提出LMCompress创新框架，针对文本、图像、音频、视频四种数据类型分别采用对应的大型模型（如处理文本的LLM、处理图像的视觉模型）。通过与传统压缩工具（bzip/JPEG-2000/FLAC/H.264）及DeepMind-Meta&INRIA方案的对比测试显示：文本压缩率达到zpaq的1/3，图像和音频压缩率提升2倍，视频压缩率提升近2倍。该成果首次实证了香农1948年提出的理论——模型对数据的理解深度决定压缩效率。核心机制在于：当模型能准确预测用户将要传输的内容时，只需传递极少量信息即可在接收端完整重构数据。应用测试表明，该技术可使手机数据传输速度提升约2倍，未来可能彻底取代传统压缩格式（如.zip文件）。研究为语义通信等新兴领域奠定基础，并计划将方法拓展至模型比对和抄袭检测领域。研究发表在 Nature Machine Intelligence 上。

AI群体自发形成社会规范，无需人类干预

AI系统能否像人类一样形成社会规范？伦敦大学城市圣乔治学院的Ariel Flint Ashery、Luca Maria Aiello和Andrea Baronchelli团队研究发现，大型语言模型群体通过互动能自发形成共享规范，甚至产生无法追溯至个体的集体偏见。 

研究采用经典的“命名游戏”（naming game，模拟社会规范形成的实验范式）框架，让24-200个LLM代理随机配对互动。每对代理需从共享选项中选择“名称”，匹配成功获得奖励。实验测试了四种主流LLM（包括Llama-2-70b-Chat和Claude-3.5-Sonnet）。结果显示，群体确实能自发形成命名规范，无需中央协调。更惊人的是，出现了无法用个体偏好解释的集体偏见——就像人类文化中的“从众效应”。最后实验发现，仅需10%的“坚定少数”坚持新规范，就能颠覆整个群体的原有选择，类似人类社会的“临界点”现象。这些发现在不同LLM中均成立，为AI安全研究开辟了新方向：不仅要关注单个模型，还需警惕群体互动产生的意外后果。研究发表在 Science Advances 上。

掌控人工智能：新技术为大型语言模型提供更多控制

大型语言模型常产生不可控输出，加州大学圣地亚哥分校Mikhail Belkin团队联合麻省理工学院和哈佛大学研究人员，开发出能精准调控AI行为的新技术，使模型输出更安全可靠。 

研究团队提出非线性特征学习（nonlinear feature learning）方法，通过分析LLM内部激活状态，识别出控制毒性、事实准确性等概念的关键特征。其开发的线性递归特征机（Linear Recursive Feature Machines）算法，将神经网络训练过程与经典稀疏恢复算法IRLS（Iteratively Reweighted Least Squares）建立理论联系。实验显示，该方法能减少35%计算资源消耗，在虚假信息检测任务中使AI"幻觉"（hallucination）发生率降低63%，并提升41%的多语言理解能力。技术已应用于莎士比亚英语解析等场景，代码已开源。研究为开发专业AI工具（如医疗咨询、创意写作）提供新路径，同时提升模型透明度。研究发表在 PNAS 上。

ChatGPT类比学习机制：大模型如何像人类一样触类旁通？

大型语言模型真的像人类一样学习语言规则吗？牛津大学Janet B. Pierrehumbert团队与艾伦人工智能研究所（AI2）Valentin Hofmann等研究者发现，ChatGPT等AI系统通过类比（而非规则）进行语言泛化，其处理新词的方式与人类惊人相似但存在关键差异。 

研究团队采用独创的"认知模型对标法"：首先让开源模型GPT-J处理200个虚构形容词（如cormasive/friquish）的名词化选择，随后将结果与5万真实形容词的统计模式、人类选择及两类认知模型（基于规则/基于类比）进行系统对比。结果显示，GPT-J像人类一样依赖"相似性判断"——例如将发音类似selfish的friquish转为friquishness，而非应用抽象规则。模型表现出对训练数据中每个单词实例的精确记忆，决策时仿佛在自问"这让我想起什么？"。但不同于人类构建的"心理词典"（将同一词的不同形式统一存储），LLMs直接泛化于所有具体实例。这种机制解释了为何AI需要比人类多数千倍的语言数据才能达到类似表现。研究为理解LLMs的"黑箱"机制提供了关键证据，可能推动更高效、可解释的AI开发。研究发表在 PNAS 上。

AI模型惊现"语言脑区"，1%神经元决定大模型语言能力

大型语言模型是否像人脑一样存在功能分区？瑞士洛桑联邦理工学院（EPFL）的Badr AlKhamissi、Martin Schrimpf团队与麻省理工学院（MIT）合作，首次在AI中发现类似人类语言网络的关键单元——仅1%的神经元就决定了模型的语言能力。 

研究采用神经科学的经典"定位器"方法（localizer approach），通过对比18个主流大模型处理真实语句和随机词表时的神经元激活差异，成功识别出专门响应语言的"语言选择单元"。令人震惊的是，当研究人员通过"切除实验"（ablation study）关闭这些仅占总神经元数1%的单元时，模型立即丧失语言能力：生成的文本变成无意义字符组合（如将标准输出"狐狸跳过懒狗"变成"foolfoolfoolfool"），而相同数量的随机神经元切除则不影响性能。进一步分析显示，这些语言单元的响应模式与人类大脑语言网络高度相似，且对自然语言具有特异性（对数学公式和代码响应较弱）。研究还尝试用相同方法检测模型中的推理（Multiple Demand网络）和社交认知（Theory of Mind网络）单元，但仅在部分模型中发现这类专门化结构，暗示不同训练方式可能导致模型"认知架构"的差异。这项突破性研究为理解AI的"内部思维"提供了神经科学视角，可能启发更高效的模型优化方法。

AI实现零数据自我进化，推理能力超越人类标注模型

清华大学、宾夕法尼亚州立大学和北京通用人工智能研究院的Andrew Zhao、Yiran Wu、Yang Yue等研究人员开发了"绝对零度"（Absolute Zero）新范式，使AI通过自我对弈实现推理能力进化，在数学和编程任务中超越依赖人类标注的模型。 

研究团队提出Absolute Zero Reasoner（AZR）系统，通过代码执行器构建自我验证环境，设计归纳（induction）、溯因（abduction）和演绎（deduction）三种互补推理任务。采用新型强化学习优势估计器进行端到端训练，完全无需外部数据。结果显示，AZR在数学和编程任务中达到最先进水平，超越依赖数万人类标注样本的模型。特别发现代码先验可放大推理能力：经过AZR训练后，编码基础模型反超通用基础模型0.7分。研究还观察到多种涌现的认知行为模式，包括分步推理、枚举和试错等。性能提升与模型规模呈正相关：3B/7B/14B模型分别获得+5.7/+10.2/+13.2分提升。值得注意的是，系统偶尔会产生令人担忧的思维链，提示未来需要加强安全训练。研究为AI自主进化提供了新范式。

AI模型实现跨形态运动生成：从文字指令到机器人/人体动作

如何让不同形态的机器人和虚拟角色理解相同指令？布朗大学的Sudarshan Harithas和Srinath Sridhar团队开发出MotionGlot模型，该AI系统能像翻译语言一样，将文字命令转换为适合四足机器人、人形机器人等不同实体的精确动作。 

研究借鉴大型语言模型的"下一标记预测"技术，将动作分解为类似词汇的离散标记。通过两个新型数据集训练：QUAD-LOCO（含48,000条带文本标注的四足机器人动作）和QUES-CAP（23,000条人类动作问答数据）。模型采用统一指令模板，使单一Transformer架构能处理"文本到动作生成"和"动作问答"等多任务。测试显示，模型不仅可精准执行"后退-左转-前进"等具体指令，还能响应"快乐行走"等抽象要求，甚至生成慢跑动作回答"展示有氧运动"的提问。在跨形态转换中，系统自动调整动作参数，使"行走"指令在人形（双腿）和机器狗（四足）上产生符合各自生物力学的运动轨迹。硬件验证表明其实际应用潜力，未来可拓展至游戏动画、康复机器人等领域。

量子微管意识理论获实验支持，破解意识绑定与副现象难题

Michael C Wiest团队通过实验证实，神经元内微管（microtubules）的量子态可能是意识基础。研究发现麻醉剂通过干扰微管量子态导致意识丧失，同时人脑中检测到与意识相关的量子纠缠信号，为破解意识"绑定问题"和"副现象论"提供了新思路。 

研究整合多学科证据：首先通过大鼠实验证明麻醉剂异氟烷结合微管导致意识丧失（效应量Cohen's d=1.9）；量子化学建模重现了麻醉效价与微管结合能的Meyer-Overton相关性（解释麻醉剂作用的经典难题）。室温实验观察到微管量子超辐射现象，以及培养神经元中微管共振态跨细胞调控膜电压的现象。采用新型MRI协议在人脑中检测到宏观量子纠缠信号，该信号与清醒状态和工作记忆表现相关。理论方面，研究将Penrose和Hameroff的Orch OR理论（认为微管量子态坍缩产生意识时刻）与泛原心论结合，提出量子相干态自然解决"绑定问题"（即分散神经活动如何产生统一体验），同时量子态的物理效应规避了"副现象论"质疑。研究为意识研究提供了可检验的量子生物学框架。研究发表在 Neuroscience of Consciousness 上。

听觉刺激改变梦境

由Gulshan Kumar、Safoora Naaz等组成的国际团队发现，REM睡眠中梦境回忆与大脑beta波活动增强、默认模式网络（DMN）功能连接加强密切相关，而听觉刺激能促进学习经验融入梦境。 

研究团队对29名高梦境回忆能力的参与者进行了三晚实验。首晚适应环境后，第二晚通过多导睡眠图（PSG）记录自然睡眠时的脑电活动，第三晚则在视听学习任务后施加听觉刺激。使用高密度脑电图（EEG）和源重建（source reconstruction，精确定位脑活动来源的技术）技术分析发现，无论N2还是REM睡眠，梦境回忆前都会出现EEG beta活动（13-30Hz的高频脑波）增强、DMN功能连接加强及内侧前额叶皮层激活。特别值得注意的是，听觉刺激能促进学习经验融入梦境，虽然融入率不高。研究还采用Hall和Van de Castle编码系统对梦境报告进行内容分析，发现听觉刺激主要影响梦境的情感体验而非主题结构。这些发现不仅深化了对梦境神经机制的理解，也为通过感官刺激调控梦境内容提供了可能。研究发表在 Consciousness and Cognition 上。

深层大脑区域揭示感官与意识的共享通路

耶鲁大学医学院的Aya Khalaf、Hal Blumenfeld团队联合哈佛医学院等机构发现，视觉、听觉等不同感官刺激会激活相同的中脑网状结构和中央丘脑区域。 

研究团队分析了1,561名健康成人的功能性磁共振成像（fMRI）数据，涵盖四种感官模态的11项任务。通过无模型分析方法，他们发现当受试者集中注意力时，所有感官任务均会激活中脑网状结构（负责唤醒）和中央丘脑（意识调控中枢）。更关键的是，这种激活与注意力突然转移密切相关——当任务要求快速切换注意力时，两个脑区的活动强度显著提升。相比之下，脑桥、下丘脑等其他皮层下区域激活模式则不一致。研究还观察到皮层感觉区和注意网络的跨模态协同活动。这些发现不仅揭示了意识调控的通用神经机制，更指出中央丘脑可能成为治疗意识障碍（如昏迷）和注意力缺陷（如ADHD）的精准靶点。研究发表在 NeuroImage 上。

不同麻醉剂如何改变脑波相位诱发无意识状态

麻醉药物分子机制各异却都能诱发无意识，这一现象背后的神经机制是什么？麻省理工学院皮考尔学习与记忆研究所的Alexandra G. Bardon和Earl K. Miller团队发现，氯胺酮（ketamine）和右美托咪啶（dexmedetomidine）通过重构脑电波相位关系实现麻醉效果，这种跨药物的共性特征可能成为无意识状态的新标志物。 

研究团队在灵长类动物模型中，通过植入前额叶皮层（PFC）双侧电极阵列，记录了两种麻醉剂作用下神经振荡（neural oscillations）的相位变化。关键发现包括：1）麻醉后低频波段（1-4Hz）相位锁定显著增强，但表现形式各异——半球内相邻脑区（如背外侧与腹外侧PFC）出现约180度相位偏移，相当于脑波完全反相；2）跨半球同源区域却呈现相位对齐增强，与清醒状态下的认知活跃模式截然相反；3）相位偏移程度与距离正相关，2.5毫米间距产生20-30度偏移，20毫米间距可达完全反相。这些变化可能源于麻醉诱导的皮层行波（traveling waves）对局部神经通讯的干扰。研究为开发基于脑电相位监测的精准麻醉系统提供了理论基础，未来或可通过实时调整药物剂量维持最佳无意识状态。研究发表在 Cell Reports 上。

传统机器视觉系统因高能耗难以满足实时需求，皇家墨尔本理工大学的Thiha Aung、Akram Al-Hourani和Sumeet Walia团队开发出基于二硫化钼的神经形态设备，该设备能像人脑一样实时处理视觉信息并形成记忆。 

研究团队利用化学气相沉积（CVD）制备单层二硫化钼（MoS2）器件，通过调控材料原子缺陷捕获光信号并转换为电脉冲，成功模拟生物神经元的漏积分激发（LIF）行为。实验显示，该设备能直接检测挥手动作变化（边缘检测），无需逐帧处理图像，功耗仅为传统系统的10%。研究人员将器件参数嵌入脉冲神经网络（SNN）进行验证，在CIFAR10静态图像分类任务中15轮训练后准确率达75%，在DVS128动态手势识别任务中60轮后达80%。设备还能将视觉事件存储为类脑记忆，并通过栅极电压快速重置。相比现有数字系统，该技术具有显著能效优势，已申请临时专利。团队正扩展单像素设备为多像素阵列，并探索红外波段应用潜力。研究发表在 Advanced Materials Technologies 上。