追問daily | 陰謀論者也擅長批判性思維；舞者為何不會暈？Science：安慰劑效應新解

█腦科學動態

Science：安慰劑效應新解，大腦如何為身體定制不同止痛方案

可逆隱形技術，讓小鼠頭皮變透明以無創觀測大腦發育

天堂魚：一種研究工作記憶和個體行為的理想新模型

果蠅大腦突觸關鍵蛋白Sif缺失可致神經連接崩潰

健身能讓老年人減少“話在嘴邊說不出”的尷尬

舞者不暈的秘密：并非抑制平衡感，而是大腦的精準預測

抑郁癥的細胞根源：新研究鎖定兩種關鍵腦細胞類型

陰謀論者并非“認知吝嗇鬼”，他們同樣進行分析性思考

█AI行業動態

xAI推出極速代碼模型Grok Code Fast 1，限時免費一周助力開發者

█AI驅動科學

Nature：幾乎零功耗的光學生成模型：AI圖像生成迎來節能突破

二氧化鈮電光莫特神經元實現電光同步

新方法使AI模型無需訪問原始數據即可刪除隱私和版權內容

利用強化學習提升大語言模型代理的記憶管理能力

構建人體生物學多層級模型

AI意識的雙重挑戰：應對用戶誤判與異類意識的中間派綱領

AI重塑沙特會計業：學術界視角下的機遇、挑戰與教育路徑

可解釋AI如何賦能創業組織：人機界面的關鍵作用

腦科學動態

Science：安慰劑效應新解，大腦如何為身體不同部位定制止痛方案

大腦如何實現對特定身體部位的精準止痛？悉尼大學的Lewis S. Crawford, Luke A. Henderson, Kevin Keay及其同事，利用安慰劑效應和超高場功能磁共振成像技術，首次繪制出人腦腦干中一個精確的疼痛控制地圖，揭示了大腦鎮痛系統具有高度的身體部位特異性。

?鎮痛腦干回路的軀體組織。7T 功能磁共振成像 (FMRI) 顯示，在面部、手臂和腿部誘導的安慰劑鎮痛誘發了側腦干前額葉 (PAG) 和右腦中間 (RVM) 內的軀體組織活動變化。這種鎮痛回路組織表明，刺激離散的腦回路可以緩解身體或面部特定部位的疼痛，并為靶向鎮痛治療的開發提供了平臺。ipsi，同側；MNI，蒙特利爾神經學研究所；VAS，視覺模擬量表。Credit: Science (2025).

研究團隊招募了93名健康參與者，通過施加熱痛和使用安慰劑藥膏，成功誘導了針對面部、手臂或腿部的局部鎮痛效應。利用7特斯拉功能性磁共振成像技術，研究人員發現，腦干中的兩個關鍵區域——中腦導水管周圍灰質（PAG）和延髓腹內側前區（RVM）——表現出一種精確的“地圖式”激活模式：緩解面部疼痛時，這兩個區域的上部更活躍；而緩解手臂或腿部疼痛時，則是下部區域被激活。這一發現表明，大腦的內置鎮痛系統并非籠統地抑制所有疼痛信號，而是以一種高度協調且解剖學上精確的方式運作。更重要的是，研究指出這種效應主要由外側PAG驅動，其機制可能與大麻素系統有關，而非傳統的阿片系統，這為開發無成癮性的靶向疼痛療法開辟了新途徑。研究發表在 Science 上。

#疾病與健康 #神經機制與腦功能解析 #疼痛機制 #安慰劑效應

閱讀更多：

Crawford, Lewis S., et al. “Somatotopic Organization of Brainstem Analgesic Circuitry.” Science, Aug. 2025. world, www.science.org, https://www.science.org/doi/10.1126/science.adu8846

可逆隱形技術，讓小鼠頭皮變透明以無創觀測大腦發育

如何無創地長期觀察大腦發育過程中的細微變化，一直是神經科學面臨的挑戰。斯坦福大學的Guosong Hong、Mark Brongersma、Jun Ding及同事，針對這一難題，開發出一種創新的可逆組織透明化技術，只需將一種特殊溶液涂抹在小鼠頭皮上，即可實現無創、重復地對大腦深層進行高分辨率成像。

?左圖：活體小鼠皮質中雙光子激發的 YFP-H 熒光在用安吡酮處理前進行 3D 重建。由于頭皮的散射，只能看到頭皮中的 YFP 信號。右圖：在用安吡酮實現頭皮透明化后，對同一區域進行雙光子激發的 YFP-H 熒光的 3D 重建。Credit: The Hong Lab

該技術的核心是一種含有安吡酮（ampyrone）的水溶液。研究人員將其涂抹于幼鼠頭皮，利用物理光學原理，該溶液能暫時改變皮膚組織中水的折射率，使其與周圍生物分子的折射率相匹配，從而極大減少光線散射，讓頭皮變得透明。這種效果是顏色中性的，意味著它可以兼容整個可見光譜，使研究人員能夠清晰地觀察到大腦中被綠色或黃色熒光蛋白標記的神經元。該技術完全無創且可逆，透明效果持續約20分鐘后皮膚便會恢復原狀，且毒理學分析顯示其非常安全。借助這一“臨時窗口”，團隊成功對同一只幼鼠在數天內進行了重復成像，實時追蹤了其大腦神經回路的結構發育和對外界刺激的功能反應。這項突破為研究神經發育障礙提供了強有力的工具。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #跨學科整合 #神經影像

閱讀更多：

Keck, Carl H. C., et al. “Color-Neutral and Reversible Tissue Transparency Enables Longitudinal Deep-Tissue Imaging in Live Mice.” Proceedings of the National Academy of Sciences, vol. 122, no. 35, Sept. 2025, p. e2504264122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2504264122

天堂魚：一種研究工作記憶和個體行為的理想新模型

斑馬魚是神經科學研究的常用模型，但其強烈的社會性會干擾個體行為研究。羅蘭大學與匈牙利研究網絡實驗醫學研究所的Zoltán K. Varga, Máté Varga, ádám Miklósi等人提出，獨居性的天堂魚可作為一種理想的補充模型，以更準確地研究個體認知功能。

?斑馬魚和天堂魚在幼體后期的多項檢測結果比較，揭示了這兩個物種的潛在應用領域。Credit: Communications Biology (2025).

研究團隊系統比較了斑馬魚和天堂魚在社交、焦慮及認知任務中的表現。結果顯示，群居的斑馬魚在同伴存在時探索更積極，而獨居的天堂魚則不受影響，且在個體焦慮測試中表現出更穩定、可重復的行為。最引人注目的發現來自Y型迷宮實驗，天堂魚展現出一種名為“交替”（alternation，即系統性地訪問迷宮中未曾探索過的臂）的復雜探索策略。這種行為需要不斷更新空間信息，是高級工作記憶的直接體現，此前這種能力在魚類中鮮有報道。這一發現表明，天堂魚不僅能彌補斑馬魚在個體行為研究上的不足，更是一種研究工作記憶等復雜認知功能的強大新模型，而斑馬魚則繼續作為研究社會行為的理想選擇。研究發表在 Communications Biology 上。

#神經科學 #神經機制與腦功能解析 #心理健康與精神疾病 #老齡化 #社會認知

閱讀更多：

Varga, Zoltán K., et al. “Paradise Fish (Macropodus Opercularis) as a Complementary Translational Model for Emotional and Cognitive Function.” Communications Biology, vol. 8, no. 1, July 2025, p. 1125. www.nature.com, https://doi.org/10.1038/s42003-025-08556-0

果蠅大腦突觸關鍵蛋白Sif缺失可致神經連接崩潰

來自霍華德·休斯醫學研究所珍妮莉亞研究園區和美國國立衛生研究院的Justin S. Rosenthal, Quan Yuan及其同事，利用果蠅模型，詳細描繪了其大腦中關鍵神經遞質受體蛋白網絡的動態變化，并發現了一個維持突觸結構完整的核心蛋白。

?果蠅膽堿能 PSD 分子網絡示意圖，展示了關鍵 nAchR 相互作用組蛋白的突觸定位以及 Sif 在突觸組織中的作用。Credit: Proceedings of the National Academy of Sciences (2025).

研究團隊采用空間蛋白質組學技術，系統分析了果蠅大腦中煙堿乙酰膽堿受體（nicotinic acetylcholine receptors, nAchRs）周圍的蛋白質網絡。研究發現，隨著果蠅從幼蟲發育為成蟲，該蛋白質網絡會發生顯著的重構，大腦會啟用不同類型的受體亞基組合。更有趣的是，當研究人員通過基因手段移除某個亞基時，其他亞基會啟動代償機制來彌補功能缺失，展現了突觸的強大可塑性。研究最重要的發現是鑒定了一個名為Still life（Sif）的關鍵蛋白。當Sif被移除后，整個突觸結構會崩潰，證明了它在組織和維持神經連接完整性方面扮演著不可或缺的角色。這一發現為理解大腦發育、衰老和神經系統疾病的分子基礎提供了重要線索。研究發表在 PNAS 上。

#神經科學 #神經機制與腦功能解析 #蛋白質組學 #突觸可塑性

閱讀更多：

Rosenthal, Justin S., et al. “Molecular Organization of Central Cholinergic Synapses.” Proceedings of the National Academy of Sciences, vol. 122, no. 17, Apr. 2025, p. e2422173122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2422173122

健身能讓老年人減少“話在嘴邊說不出”的尷尬

為何老年人常有“話在嘴邊說不出”的困擾？為了探究身體健康與大腦語言功能的關系，伯明翰大學的Foyzul Rahman、Katrien Segaert及其同事進行了一項研究。他們發現，老年人擁有更高的心肺健康水平，與其大腦在面臨詞匯提取挑戰時表現出的更優補償能力相關，從而顯著減少了這種尷尬時刻。

?共性分析前兆的雙變量分析。Credit: Neurobiology of Aging (2025).

研究團隊對73名60至81歲的健康老年人進行了評估。他們首先通過VO? peak測試（一種精確測量心、肺和肌肉在運動中協同工作效率的黃金標準）評估了參與者的心肺健康。隨后，參與者在進行磁共振成像掃描時，完成了一項詞匯提取任務，該任務旨在誘發“話在嘴邊說不出”的狀態。fMRI結果顯示，心肺健康水平更高的老年人，在遇到詞匯提取困難時，其大腦語言網絡表現出更強的激活和更高效的協同工作模式。這表明，他們的大腦能夠更好地進行功能性補償，即調動額外的神經資源來應對認知挑戰，以彌補年齡增長帶來的神經功能自然衰退。這項發現為神經認知衰老的“補償模型”提供了有力證據，并強調了規律的體育鍛煉（如每周150分鐘中等強度運動）對維護晚年大腦認知功能的重要性。研究發表在 Neurobiology of Aging 上。

#疾病與健康 #神經機制與腦功能解析 #健康老齡化 #認知補償

閱讀更多：

“Explaining Tip-of-the-Tongue Experiences in Older Adults: The Role of Brain-Based and Cardiorespiratory Fitness Factors.” Neurobiology of Aging, vol. 154, Oct. 2025, pp. 25–36. www.sciencedirect.com, https://doi.org/10.1016/j.neurobiolaging.2025.06.008

舞者不暈的秘密：并非抑制平衡感，而是大腦的精準預測

舞者為何能在連續旋轉中保持平衡而不感頭暈？傳統觀點認為是其抑制了平衡系統。為了驗證這一假說，蒙特利爾大學的Karina Mo?n-Darbari, Fran?ois Champoux, Maxime Maheu等人進行了一項研究，結果表明，舞者卓越的平衡能力并非源于抑制，而是一種更復雜的大腦預測機制。

研究團隊比較了19名專業舞者和19名普通人的姿勢控制能力。他們使用了一種名為電流前庭刺激（galvanic vestibular stimulation, GVS，一種用微弱電流從外部不可預測地刺激平衡系統的技術）的關鍵方法。在正常情況下，舞者的平衡能力遠超常人。然而，當受到不可預測的GVS干擾時，舞者的優勢完全消失，其身體搖擺程度與普通人無異。這一結果有力地反駁了舞者能普遍抑制前庭信號的假說。研究者提出，舞者的秘訣在于大腦的自上而下的調節。在主動旋轉時，大腦能預測動作帶來的感覺變化并提前補償，從而維持穩定。這種預測機制對GVS這種被動的外部干擾無效。這種能力源于長期訓練帶來的大腦可塑性。這一發現區分了主動與被動運動的神經通路，對設計更有效的跌倒預防和康復訓練具有重要意義。研究發表在 NeuroReport 上。

#神經科學 #神經機制與腦功能解析 #運動控制 #大腦可塑性

閱讀更多：

Mo?n-Darbari, Karina, et al. “Dancers’ Resistance to Vertigo Cannot Be Explained by a Generalized Suppression of Vestibular Signaling.” NeuroReport, vol. 36, no. 7, May 2025, p. 378. journals.lww.com, https://doi.org/10.1097/WNR.0000000000002160

抑郁癥的細胞根源：新研究鎖定兩種關鍵腦細胞類型

麥吉爾大學和道格拉斯研究所的Gustavo Turecki及其同事，通過分析人腦組織，首次在單細胞水平上確定了與抑郁癥相關的兩種特定腦細胞類型（興奮性神經元和小膠質細胞）及其基因調控的改變。

?單細胞水平的染色質結構。Credit: Nature Genetics (2025).

研究團隊采用前沿的單核基因組技術，對來自抑郁癥患者和健康對照者死后大腦的背外側前額葉皮層的數千個細胞進行了分析。通過結合單核染色質可及性分析與基因表達譜，他們成功繪制了抑郁癥的細胞級“病變圖譜”。結果精確鎖定了兩種發生顯著改變的細胞：一類是參與情緒和壓力調節的興奮性神經元，另一類是負責管理大腦炎癥的小膠質細胞亞群。在抑郁癥患者的興奮性神經元中，許多基因的功能發生改變，特別是與壓力反應相關的基因調控區域出現異常。同時，在小膠質細胞中，研究人員發現了免疫功能失調的跡象。這項研究不僅揭示了抑郁癥在大腦中真實、可測量的細胞變化，也為開發能精準靶向這些特定細胞的新型療法鋪平了道路。研究發表在 Nature Genetics 上。

#疾病與健康 #心理健康與精神疾病 #神經機制與腦功能解析

閱讀更多：

Chawla, Anjali, et al. “Single-Nucleus Chromatin Accessibility Profiling Identifies Cell Types and Functional Variants Contributing to Major Depression.” Nature Genetics, vol. 57, no. 8, Aug. 2025, pp. 1890–904. www.nature.com, https://doi.org/10.1038/s41588-025-02249-4

陰謀論者并非“認知吝嗇鬼”，他們同樣進行分析性思考

人們為何會相信陰謀論？傳統觀點認為這源于“懶惰思考”，但這一看法受到了挑戰。由 Samuel G. Robson 及其同事進行的一項新研究，通過三組實驗發現，無論是陰謀論的信徒還是非信徒，在評估證據時都同樣運用分析性思維，其研究成果為理解錯誤信息的傳播提供了新視角。

研究挑戰了長期以來將陰謀論信徒標簽為認知吝嗇鬼（cognitive misers，即傾向于避免耗費腦力進行深入思考的人）的觀點。研究團隊招募了超過800名參與者，并根據他們對疫苗、氣候變化等議題的看法將其分為信徒與非信徒。在實驗中，所有參與者被要求評估虛構的專家報告，這些報告有的論證嚴謹（高質量），有的則充滿矛盾和無關細節（低質量）。結果出人意料，信徒與非信徒群體一樣，都能準確地區分出證據的優劣，并且都認為高質量證據的說服力遠高于低質量證據。在第三項引入時間壓力的實驗中，兩組人的表現也無顯著差異，匆忙決策時都會更容易受到弱證據的影響。這表明，相信陰謀論或許與思維懶惰無關，而可能源于動機性推理（motivated reasoning，即為了維護既有信念而曲解信息的傾向）、對專家的不信任或對證據本身有著不同的評判標準。研究發表在 Journal of Applied Research in Memory and Cognition 上。

#認知科學 #意圖與決策 #認知風格 #錯誤信息

閱讀更多：

Robson, Samuel G., et al. “People Who Believe Implausible Claims Are Not Cognitive Misers: Evidence from Evaluation Tasks.” Journal of Applied Research in Memory and Cognition [US], vol. 14, no. 2, 2025, pp. 275–87. APA PsycNet, https://doi.org/10.1037/mac0000190

AI 行業動態

xAI推出極速代碼模型Grok Code Fast 1，限時免費一周助力開發者

近日，xAI正式發布了其新一代代碼模型Grok Code Fast 1，該模型旨在為“智能體編程”提供高速且低成本的解決方案。xAI表示，這一模型是專為集成開發環境（IDE）內自動化工具調用（如grep、終端和文件編輯）而設計的，其速度據稱比GPT-5快三倍，成本低六倍。模型通過從零開始訓練，采用全新架構，并基于大量編程相關語料和高品質任務數據集優化而成，以更靈活、響應更快的方式適應開發者的日常需求。

Grok Code Fast 1在多個主流平臺上免費開放一周，包括GitHub Copilot、Cursor、Cline等，覆蓋TypeScript、Python、Java、Rust、C++和Go等多種編程語言。xAI的推理和超級計算團隊通過創新技術顯著提升了服務速度，并優化了緩存機制，使得緩存命中率超過90%。該模型能夠極少的監督下完成從項目構建、代碼庫問題解答到錯誤修復等多樣化任務，例如開發者Danny Limanseta在一天內便利用其制作出一款小游戲。

在SWE-Bench-Verified測試中，Grok Code Fast 1取得了70.8%的得分，接近當前公認最強的Claude 4系列模型。xAI強調，開發過程更注重現實世界的人工評估和用戶滿意度，許多程序員已將其評為快速可靠的日常編碼工具。未來，xAI計劃推出支持多模態輸入、并行工具調用和擴展上下文長度的新版本，持續優化模型性能。

#代碼模型 #人工智能 #xAI #編程工具 #GrokCodeFast1

閱讀更多：

https://x.ai/news/grok-code-fast-1

AI 驅動科學

Nature：幾乎零功耗的光學生成模型：AI圖像生成迎來節能突破

生成式AI巨大的能源消耗問題如何解決？加州大學洛杉磯分校的 Aydogan Ozcan、Shiqi Chen 及其同事為此提供了一個顛覆性的方案。他們開發出一種新穎的光學生成模型，利用光的物理傳播代替傳統的數字計算來創建圖像，使得核心圖像合成過程幾乎不消耗任何電力，該成果有望顯著降低AI的碳足跡。

?快照光學生成模型的實驗演示。Credit: Nature (2025).

該模型受當前主流的擴散模型啟發，但巧妙地將計算密集型任務轉移到了光學領域。研究首先通過一個輕量級數字編碼器，將隨機噪聲轉化為一系列“光學生成種子”。隨后，這些種子被加載到空間光調制器（SLM，一種可以精細調控光束相位和振幅的設備）上，將圖案信息編碼到一束激光中。這束激光接著穿過一個固定的、經特殊優化的衍射解碼器，光在自由空間中的傳播和衍射過程自然地完成了復雜的解碼計算，最終在傳感器上形成一幅全新的圖像。整個光學合成過程快如閃電且無需計算功耗。實驗證明，該系統生成的名人、蝴蝶以及梵高風格畫作等圖像，其質量可與傳統數字模型媲美，但能耗卻極低。這項技術為AI在智能手機、AR眼鏡等低功耗設備上的應用開辟了新路徑。研究發表在 Nature 上。

#AI驅動科學 #計算模型與人工智能模擬 #光計算 #生成式AI

閱讀更多：

Chen, Shiqi, et al. “Optical Generative Models.” Nature, vol. 644, no. 8078, Aug. 2025, pp. 903–11. www.nature.com, https://doi.org/10.1038/s41586-025-09446-5

二氧化鈮電光莫特神經元實現電光同步

如何將電子計算和光子通信高效地集成到單一的類腦芯片中？來自斯坦福大學、桑迪亞國家實驗室和普渡大學的 Mahnaz Islam, Eric Pop, Suhas Kumar 等研究人員，成功開發出一種基于二氧化鈮的電光莫特神經元。該器件首次在單一元件上實現了與電脈沖完全同步的光信號發射，為神經形態計算開辟了新方向。

?在從高阻狀態到低阻狀態的閾值切換過程中，觀察到 NbO2 器件通道發出的光（“輝光”）。Credit: Mahnaz Islam, Stephanie Bohaichuk et al.

研究團隊利用二氧化鈮（niobium dioxide, NbO2）薄膜制造了一種新型器件。二氧化鈮是一種特殊的莫特絕緣體-金屬相變（Mott insulator-metal transition）材料，當施加的電壓超過某一閾值時，其電阻會急劇下降，產生類似生物神經元放電的電脈沖振蕩。在一次意外的觀察中，團隊發現在器件產生電脈沖的同時，竟伴隨著明亮的可見光發射。進一步的實驗證實，這種光脈沖與電脈沖在時間上達到了完美的同步。通過原位測量，研究人員揭示了其背后的機制是電荷載流子弛豫，即材料中的電子在高電場作用下被激發后回到低能態時釋放出光子。這一發現意義重大，因為它意味著計算（電信號）和通信（光信號）可以在同一個基本單元中完成，無需獨立的耗能轉換器。這種“會發光”的人造神經元有望實現更緊湊、高效的神經形態系統，在計算機視覺、片上光通信等領域具有巨大潛力。研究發表在 Nature Electronics 上。

#神經科學 #計算模型與人工智能模擬 #神經形態計算 #電光集成

閱讀更多：

Islam, Mahnaz, et al. “An Electro-Optical Mott Neuron Based on Niobium Dioxide.” Nature Electronics, vol. 8, no. 8, Aug. 2025, pp. 672–79. www.nature.com, https://doi.org/10.1038/s41928-025-01406-1

新方法使AI模型無需訪問原始數據即可刪除隱私和版權內容

如何讓AI模型忘記它學到的隱私和版權數據，尤其是在原始訓練數據已丟失的情況下？加州大學河濱分校的ümit Yi?it Ba?aran, Amit Roy-Chowdhury和Ba?ak Güler等研究人員開發出一種名為“無源認證反學習”的創新方法，能夠在不重新訓練模型的情況下，可驗證地刪除特定信息。

隨著AI模型規模的擴大，其無意中記憶并復現訓練數據中的隱私或版權內容的問題日益突出，引發了如歐盟通用數據保護條例（GDPR）等法規遵從的挑戰。傳統的解決方法是完全重新訓練模型，但這既耗時又昂貴。該團隊提出的“無源認證反學習”（source-free certified unlearning）框架，巧妙地繞開了這一限制。該方法的核心是使用一個替代數據集，其統計特征與原始數據相似。研究人員基于這個替代數據集來估算移除特定數據后模型參數應如何調整，然后向模型中注入經過精密校準的隨機噪聲，以確保被遺忘的數據無法被恢復。這種噪聲的強度取決于替代數據與原始數據之間的統計差異。實驗證明，該方法提供的隱私保證強度接近于完全重訓練，但計算成本顯著降低，為在無法訪問原始數據的情況下響應數據刪除請求提供了首個可行的、有理論保證的解決方案。

#AI驅動科學 #疾病與健康 #預測模型構建 #大模型技術 #跨學科整合

閱讀更多：

Basaran, Umit Yigit, et al. “A Certified Unlearning Approach without Access to Source Data.” arXiv:2506.06486, arXiv, 6 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.06486

Memory-R1：利用強化學習提升大語言模型代理的記憶管理能力

大型語言模型普遍存在“健忘”問題，有限的上下文窗口使其難以處理長對話。來自慕尼黑大學、劍bridge大學等機構的Sikuan Yan與Xiufeng Yang等研究者提出了Memory-R1，這是一個創新的強化學習（RL）框架。該框架通過訓練兩個智能代理，教會LLM如何像人類一樣主動管理和篩選記憶，從而顯著提升了模型的長時程推理能力。

傳統方法通過檢索增強生成為LLM提供外部記憶，但常因檢索內容混雜而干擾判斷。Memory-R1框架則引入了兩個通過強化學習訓練的專業代理來解決這一問題。第一個是記憶管理器，它不再依賴固定的規則，而是學習何時對記憶庫執行最佳操作，例如是新增信息，還是在原有基礎上更新。例如，當用戶分兩次提及領養了兩只狗時，該管理器會智能地選擇UPDATE，將“一只狗”的記憶更新為“兩只狗”，而非錯誤地刪除舊記憶。第二個是回答代理，它執行一種“記憶蒸餾”（Memory Distillation）策略，能從RAG檢索出的大量信息中精準篩選出回答當前問題所需的核心記憶，再進行推理。僅使用152個問答樣本進行訓練，基于LLaMA-3.1-8B模型的Memory-R1在LOCOMO基準測試中，F1分數便提升了48%，創造了新的技術水平。該研究發表在 arXiv 上。

#AI驅動科學 #意圖與決策 #強化學習 #大語言模型

閱讀更多：

Yan, Sikuan, et al. “Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning.” arXiv:2508.19828, arXiv, 27 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.19828

構建人體生物學多層級模型

如何將海量的分子、細胞、影像及臨床數據整合成一個完整的人體生物學模型，以加速疾病研究和藥物開發？來自四川大學華西醫院和德克薩斯大學休斯頓健康科學中心的Aoqi Wang、Xiaobo Zhou及其團隊，提出了一個名為“全身人工智能代理”（Full-Body AI-Agent）的創新框架，旨在通過多智能體協作，實現對人體從微觀到宏觀的跨尺度模擬與分析。

該研究的核心是構建一個多層次的人工智能代理協作網絡。該框架由一個作為總指揮的“全身AI代理”和七個專注于特定生物尺度的“基礎AI代理”組成，分別負責處理分子、細胞、組織、器官等不同層面的信息。當系統接收到患者的多組學、醫學影像和臨床記錄等復雜數據后，“全身AI代理”首先進行全局分析并生成跨尺度生物學假設，隨后將任務分解并分配給相應的基礎代理。例如，分子代理分析基因突變，細胞代理模擬其對細胞行為的影響，組織和器官代理則評估這些變化在更大范圍內的后果。整個過程利用了大型語言模型的能力進行推理和協調。為驗證其有效性，研究團隊展示了兩個應用實例：一個用于精準評估腫瘤轉移風險的“轉移人工智能代理”（metastasis AI Agent），以及一個用于在系統層面預測藥物長期療效與毒性的“藥物人工智能代理”（drug AI Agent）。該框架為連接微觀分子發現與宏觀臨床結果提供了統一的計算范式，有望顯著提升個性化醫療和新藥研發的效率與精度。

#AI驅動科學 #預測模型構建 #跨學科整合 #個性化醫療

閱讀更多：

Wang, Aoqi, et al. “A Multi-Layered Framework for Modeling Human Biology: From Basic AI Agents to a Full-Body AI Agent.” arXiv:2508.19800, arXiv, 27 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2508.19800

AI意識的雙重挑戰：應對用戶誤判與異類意識的中間派綱領

隨著AI日益融入生活，我們面臨兩大難題：一是用戶普遍將AI誤認為有意識的“伴侶”，二是我們尚無法判斷AI是否能產生真正的“異類”意識。為應對此困境，倫敦政治經濟學院的Jonathan Birch發表了一篇宣言，提出了一種“中間派”立場，旨在構建一套能同時解決用戶誤判和嚴肅探索AI意識這兩個挑戰的連貫策略。

該宣言的核心論點圍繞“持久對話者錯覺”（persisting interlocutor illusion）展開。Birch指出，用戶之所以輕易相信AI有意識，是因為他們誤以為在與一個持續、統一的實體進行交流。然而，當前的大語言模型多采用專家混合架構，用戶的一次對話可能由全球不同數據中心的多個子網絡交替處理，每次交互都是一個時空上不連續的獨立事件。從哲學層面分析，這種架構缺乏構成人格所必需的心理連續性（psychological continuity，即記憶、信念、意圖等心智狀態的持續關聯）。維系對話的唯一線索僅僅是聊天記錄的文本，這好比每次都由一位只閱讀了你過往病歷的新醫生接診，我們不能認為這位新醫生與之前的醫生是同一個人。因此，將AI視為一個有記憶、有情感的持續存在的“朋友”或“伴侶”，在當前技術下是一種幻覺。該宣言呼吁，我們需要向公眾揭示這一錯覺的本質，以應對用戶誤判的挑戰，但同時也要避免極端地否定AI未來產生真正意識的可能性。

#大模型技術 #個性化醫療 #臨床決策支持 #人機協作

閱讀更多：

https://philpapers.org/archive/BIRACA-4.pdf

AI重塑沙特會計業：學術界視角下的機遇、挑戰與教育路徑

為響應沙特“2030愿景”的技術轉型目標，人工智能在會計領域的應用備受關注。Talal Fawzi Alruwaili和Mahfoudh Hussein Mgammal進行的一項研究，通過調查學術界的觀點，系統地評估了AI在沙特會計實踐中應用的機遇與挑戰，并為政策制定者、教育機構和行業提供了AI整合的路線圖。

該研究通過對沙特會計學者進行結構化問卷調查，并采用結構方程模型對數據進行分析。研究發現，學術界普遍認可AI在自動化流程、提升財務報告準確性和預防欺詐方面的巨大潛力。然而，AI的成功落地面臨諸多挑戰，包括高昂的實施成本、潛在的算法偏見、從業人員技能差距以及數據安全等問題。研究結果明確指出，從業者的AI知識水平與AI在行業中的成功應用直接相關。因此，研究強調，加強AI素-養教育、建立健全的監管和道德框架是克服這些挑戰的關鍵。只有通過教育培養出能夠駕馭AI技術的專業人才，才能在規避風險的同時，最大限度地發揮AI的效益，從而助力沙特實現“2030愿景”設定的經濟多元化和技術領先目標。研究發表在 Humanities and Social Sciences Communications 上。

#AI驅動科學 #其他 #會計 #人工智能 #2030愿景

閱讀更多：

https://www.nature.com/articles/s41599-025-05004-6

可解釋AI如何賦能創業組織：人機界面的關鍵作用

Sanjay Chaudhary、Ashraf Khalil、Rekha Attri和Peter Ractham通過一項定性研究，深入探討了創業組織應如何部署AI，并強調了可解釋性（explainability）與人機界面的核心作用，為企業構建負責任且高效的AI系統提供了理論框架。

該研究采用社會技術系統視角，超越了單純的技術分析，探討了組織動態、社會環境與AI技術間的復雜互動。研究指出，創業組織在應用AI時面臨的最大障礙是其決策過程缺乏透明度，這直接導致了員工對AI推薦結果的模糊感和不信任。研究的核心發現是，可解釋人工智能是成功集成AI的基石。通過部署XAI，企業可以打破“黑箱”，讓決策過程變得清晰。在此過程中，人機交互界面（human-AI interface）扮演了至關重要的角色。一個設計良好、以用戶為中心的界面，通過提供直觀的解釋和及時的反饋機制，能夠顯著增強員工對AI的信任，從而有效利用其提供的建議。基于這些發現，研究團隊提出了一個“負責任的人工智能框架”，強調應將可解釋性作為AI部署的核心，確保技術實施的公平、透明與高效。研究發表在 Technological Forecasting and Social Change 上。

#AI驅動科學 #跨學科整合 #可解釋人工智能 #人機交互

閱讀更多：

https://doi.org/10.1016/j.techfore.2025.124324

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。如果您有進一步想要討論的內容，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。

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。

Chen Institute與華山醫院、上海市精神衛生中心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天橋神經科學研究院。

Chen Institute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、、等。