追問daily | 意志力不可靠，習(xí)慣才是行為的推手；不用電極也能讀腦電波？我國發(fā)布首個(gè)腦機(jī)接口醫(yī)療器械標(biāo)準(zhǔn)

█腦科學(xué)動(dòng)態(tài)

Nature：不再休眠，腦蛋白的隱藏作用

不用電極也能“讀”腦電波？通過血流信號(hào)成功預(yù)測神經(jīng)節(jié)律

別高估了你的意志力：習(xí)慣才是多數(shù)行為的幕后推手

海馬分子圖譜：以突觸分辨率繪制 RNA 和蛋白質(zhì)圖譜

小腦刺激可提升健康成年人的獎(jiǎng)賞處理能力

警惕“塑料大腦”：研究揭示腦內(nèi)微塑料與癡呆風(fēng)險(xiǎn)的驚人關(guān)聯(lián)

迄今為止最大規(guī)模的基因研究發(fā)現(xiàn)了13個(gè)與閱讀障礙相關(guān)的新DNA區(qū)域

█AI行業(yè)動(dòng)態(tài)

FDA綠燈放行：深部經(jīng)顱磁刺激加速療法獲批

失臂三十年后，她戴上“中國手”贏得世界冠軍

我國發(fā)布首個(gè)腦機(jī)接口醫(yī)療器械標(biāo)準(zhǔn)

█AI驅(qū)動(dòng)科學(xué)

諾獎(jiǎng)得主David Baker再出重拳，RFdiffusion3顛覆蛋白質(zhì)設(shè)計(jì)

大規(guī)模實(shí)驗(yàn)剖析情境學(xué)習(xí)的泛化能力與局限

通過迭代式研究范式提升AI智能體長時(shí)程推理能力

AgentScaler：通過環(huán)境規(guī)模化邁向通用智能體

Meta提出CaT方法，將推理計(jì)算轉(zhuǎn)化為無參考監(jiān)督信號(hào)

腦科學(xué)動(dòng)態(tài)

Nature：不再休眠，腦蛋白的隱藏作用可能重塑精神病學(xué)和神經(jīng)學(xué)治療

長期以來，大腦中的一類關(guān)鍵蛋白δ型離子型谷氨酸受體（GluD）的功能一直成謎，阻礙了精神分裂癥、小腦性共濟(jì)失調(diào)等相關(guān)疾病的治療。約翰·霍普金斯大學(xué)醫(yī)學(xué)院的 Edward Twomey 及其團(tuán)隊(duì)，利用尖端技術(shù)揭示了GluD蛋白的真實(shí)身份——一個(gè)可被精確調(diào)控的離子通道。

?δ型離子型谷氨酸受體（GluD）由四個(gè) GluD 蛋白亞基組成，形成一個(gè)受體。藍(lán)色部分代表 D-絲氨酸，它是激活該受體的神經(jīng)遞質(zhì)。Credit: Edward Twomey, Ph.D.

研究團(tuán)隊(duì)采用先進(jìn)的冷凍電子顯微鏡，首次清晰地揭示了長期被認(rèn)為處于“休眠”狀態(tài)的GluD蛋白的真實(shí)面目。他們發(fā)現(xiàn)，GluD蛋白實(shí)際上是一個(gè)功能活躍的配體門控離子通道，可以被神經(jīng)遞質(zhì)D-絲氨酸（D-serine）和γ-氨基丁酸（GABA）激活。其精細(xì)的結(jié)構(gòu)顯示，離子通道的開關(guān)由外部的配體結(jié)合域（ligand-binding domains）通過一種獨(dú)特的非對(duì)稱機(jī)制直接控制。尤為重要的是，研究發(fā)現(xiàn)一種與小腦性共濟(jì)失調(diào)（cerebellar ataxia，一種影響運(yùn)動(dòng)與平衡的神經(jīng)系統(tǒng)疾病）相關(guān)的基因突變，會(huì)導(dǎo)致GluD通道異常“泄漏”電流，使其功能過度活躍。這一發(fā)現(xiàn)顛覆了傳統(tǒng)認(rèn)知，并為藥物開發(fā)指明了新方向：對(duì)于像小腦性共濟(jì)失調(diào)這類因GluD過度活躍導(dǎo)致的疾病，可以開發(fā)抑制劑來“關(guān)閉”通道；而對(duì)于精神分裂癥等GluD活性不足的疾病，則可以設(shè)計(jì)激動(dòng)劑來“增強(qiáng)”其功能。研究發(fā)表在 Nature 上。

閱讀更多：

Wang, Haobo, et al. “Delta-Type Glutamate Receptors Are Ligand-Gated Ion Channels.” Nature, Sept. 2025, pp. 1–3. www.nature.com, https://doi.org/10.1038/s41586-025-09610-x

不用電極也能“讀”腦電波？新模型通過血流信號(hào)成功預(yù)測神經(jīng)節(jié)律

大腦在睡眠與清醒狀態(tài)下會(huì)產(chǎn)生不同的神經(jīng)節(jié)律，但全腦范圍內(nèi)的動(dòng)態(tài)機(jī)制難以捕捉。來自波士頓大學(xué)的Leandro P. L. Jacob, Laura D. Lewis及同事開發(fā)了一種創(chuàng)新的機(jī)器學(xué)習(xí)框架，通過同步采集的腦電圖（EEG）和快速功能磁共振成像（fMRI）數(shù)據(jù)，成功預(yù)測了腦電節(jié)律的動(dòng)態(tài)變化，并繪制出其背后的大規(guī)模神經(jīng)網(wǎng)絡(luò)圖譜。

研究團(tuán)隊(duì)讓受試者在磁共振掃描儀內(nèi)自然入睡，并同步記錄其腦電圖（EEG）和快速功能磁共振成像（fMRI）數(shù)據(jù)。他們構(gòu)建了一個(gè)機(jī)器學(xué)習(xí)模型，利用fMRI測得的全腦血氧水平依賴數(shù)據(jù)，來實(shí)時(shí)預(yù)測EEG信號(hào)中兩種關(guān)鍵神經(jīng)節(jié)律的強(qiáng)度波動(dòng)：alpha波和delta波。該模型表現(xiàn)出色，即便在未經(jīng)訓(xùn)練的新受試者身上，也能準(zhǔn)確預(yù)測腦電節(jié)律的起伏。更重要的是，該方法揭示了不同節(jié)律背后截然不同的神經(jīng)網(wǎng)絡(luò)模式。研究發(fā)現(xiàn)，alpha波的預(yù)測信息高度集中于兩個(gè)可分離的腦網(wǎng)絡(luò)中，一個(gè)與視覺系統(tǒng)緊密相關(guān)，另一個(gè)則與控制覺醒狀態(tài)的皮層下回路有關(guān)。這表明alpha波的產(chǎn)生和調(diào)控涉及特定功能系統(tǒng)的協(xié)同工作。相比之下，delta波的預(yù)測信息則呈現(xiàn)出一種彌散性分布，涉及大腦皮層的廣大區(qū)域，暗示深度睡眠狀態(tài)是由一個(gè)更廣泛、更全局的神經(jīng)網(wǎng)絡(luò)所支持。這項(xiàng)工作不僅驗(yàn)證了從血流信號(hào)解碼快速神經(jīng)振蕩的可行性，還為探索大腦不同狀態(tài)下的復(fù)雜動(dòng)態(tài)提供了強(qiáng)大的新工具。研究發(fā)表在 PLOS Computational Biology 上。

閱讀更多：

Jacob, Leandro P. L., et al. “Brainwide Hemodynamics Predict EEG Neural Rhythms across Sleep and Wakefulness in Humans.” PLOS Computational Biology, vol. 21, no. 9, Sept. 2025, p. e1013497. PLoS Journals, https://doi.org/10.1371/journal.pcbi.1013497

別高估了你的意志力：新研究揭示習(xí)慣才是多數(shù)行為的幕后推手

我們的日常行為究竟是深思熟慮的選擇，還是無意識(shí)的慣性？為了量化習(xí)慣的力量，來自薩里大學(xué)、南卡羅來納大學(xué)和中央昆士蘭大學(xué)的 Amanda L. Rebar、Benjamin Gardner 等研究人員，通過一項(xiàng)創(chuàng)新的實(shí)時(shí)追蹤研究發(fā)現(xiàn)，我們每天大約三分之二的行為是由習(xí)慣“自動(dòng)駕駛”的。

該研究采用了一種名為生態(tài)瞬時(shí)評(píng)估（ecological momentary assessment）的方法，在一周內(nèi)對(duì)105名參與者進(jìn)行追蹤。參與者每天會(huì)隨機(jī)收到六次手機(jī)提示，要求他們即刻報(bào)告當(dāng)前行為及其背后的驅(qū)動(dòng)力。分析結(jié)果顯示，高達(dá)65%的日常行為是由習(xí)慣性誘發(fā)（habitual instigation，即在特定情境下自動(dòng)觸發(fā)的行為選擇）啟動(dòng)的，而非經(jīng)過有意識(shí)的思考。這意味著，從刷牙到飯后吸煙，我們的大部分行動(dòng)都處于一種“自動(dòng)駕駛”模式。

研究還發(fā)現(xiàn)，人們培養(yǎng)的習(xí)慣大多與其目標(biāo)一致，約46%的習(xí)慣性行為與個(gè)人意圖完全相符，這解釋了為什么“好習(xí)慣”是實(shí)現(xiàn)個(gè)人目標(biāo)的強(qiáng)大助力。然而，并非所有習(xí)慣都如此。研究特別指出，鍛煉是一個(gè)例外，它雖然也可能由習(xí)慣觸發(fā)，但相比其他行為更難完全依賴自動(dòng)模式來完成，仍需一定的意志力參與。這一發(fā)現(xiàn)對(duì)行為改變干預(yù)具有重要啟示：要養(yǎng)成健康習(xí)慣或戒除不良習(xí)慣，關(guān)鍵在于識(shí)別并重塑觸發(fā)這些行為的“自動(dòng)程序”，而非僅僅依賴意志力。研究發(fā)表在 Psychology & Health 上。

閱讀更多：

Rebar, Amanda L., et al. “How Habitual Is Everyday Life? An Ecological Momentary Assessment Study.” Psychology & Health, vol. 0, no. 0, pp. 1–26. Taylor and Francis+NEJM, https://doi.org/10.1080/08870446.2025.2561149

海馬分子圖譜：以突觸分辨率繪制 RNA 和蛋白質(zhì)圖譜

大腦功能的分子基礎(chǔ)仍有許多未知，尤其是在突觸這一關(guān)鍵結(jié)構(gòu)中，RNA與蛋白質(zhì)如何協(xié)同工作尚不清晰。德國馬克斯·普朗克腦研究所（Max Planck Institute for Brain Research）的 Eva Kaulich, Quinn Waselenchuk, Erin M. Schuman 等研究人員，首次整合轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)數(shù)據(jù)，成功繪制了小鼠海馬體的突觸分辨率分子圖譜，為理解學(xué)習(xí)與記憶的分子機(jī)制提供了寶貴資源。

?小鼠海馬切片的熒光圖像。突觸顯示為綠色，藍(lán)色表示神經(jīng)元的胞體。Credit: Max Planck Institute for Brain Research / R. Ray.

研究團(tuán)隊(duì)開發(fā)了一套多技術(shù)整合策略。他們首先對(duì)小鼠海馬體進(jìn)行精密顯微切割，分離出不同的功能亞區(qū)和細(xì)胞層。隨后，利用一種名為熒光激活突觸體分選（Fluorescence-Activated Synaptosome Sorting, FASS）技術(shù)，從組織中高純度地“捕獲”了微小的突觸結(jié)構(gòu)。針對(duì)這些精細(xì)分離的樣本，研究人員同時(shí)進(jìn)行了RNA測序和液相色譜-串聯(lián)質(zhì)譜（LC-MS/MS）分析，從而系統(tǒng)地繪制了超過17,000種信使RNA和10,000種蛋白質(zhì)的空間分布圖。這項(xiàng)綜合分析揭示，海馬體內(nèi)的分子世界遠(yuǎn)比想象的更有序。數(shù)千種分子展現(xiàn)出高度特異性的空間富集模式。更有趣的是，研究發(fā)現(xiàn)信使RNA的豐度并不能完全預(yù)測其對(duì)應(yīng)蛋白質(zhì)的水平，這說明存在著復(fù)雜的翻譯后調(diào)控機(jī)制。特別是在神經(jīng)元的遠(yuǎn)端樹突中，蛋白質(zhì)的維持更依賴于“就地生產(chǎn)”的局部翻譯機(jī)制，而非從細(xì)胞主體長途運(yùn)輸。這一發(fā)現(xiàn)強(qiáng)調(diào)了神經(jīng)元亞細(xì)胞區(qū)室在功能上的獨(dú)立性。該圖譜作為一個(gè)開放獲取的在線資源，將極大地推動(dòng)神經(jīng)科學(xué)領(lǐng)域的研究。研究發(fā)表在 Nature Communications 上。

閱讀更多：

Kaulich, Eva, et al. “An Integrated Transcriptomic and Proteomic Map of the Mouse Hippocampus at Synaptic Resolution.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7942. www.nature.com, https://doi.org/10.1038/s41467-025-63119-5

小腦刺激可提升健康成年人的獎(jiǎng)賞處理能力

快感缺失和動(dòng)機(jī)缺乏是抑郁癥等精神疾病的核心癥狀，但其干預(yù)靶點(diǎn)有限。為探索新的治療途徑，中國科學(xué)院心理研究所的 Xuan Wang, Raymond C. K. Chan 及其同事進(jìn)行了一項(xiàng)研究，首次提供了實(shí)驗(yàn)證據(jù)，表明單次無創(chuàng)刺激小腦即可增強(qiáng)健康人的獎(jiǎng)賞敏感性。

該研究采用了一種名為高清經(jīng)顱直流電刺激（HD-tDCS）的無創(chuàng)神經(jīng)調(diào)控技術(shù)。63名健康成年人被隨機(jī)分為兩組，一組接受了針對(duì)右側(cè)小腦后部的真實(shí)電刺激，另一組則接受了無實(shí)際效果的偽刺激。在刺激前后，研究人員通過一系列任務(wù)評(píng)估了參與者的獎(jiǎng)賞處理能力。結(jié)果顯示，在金錢激勵(lì)延遲任務(wù)（Monetary Incentive Delay task）中，接受真實(shí)刺激的參與者在面對(duì)高額獎(jiǎng)勵(lì)時(shí)，其預(yù)期和獲得獎(jiǎng)勵(lì)時(shí)的愉悅感得以維持，而偽刺激組的愉悅感則出現(xiàn)了自然下降。更重要的是，在另一項(xiàng)需要權(quán)衡努力與回報(bào)的獎(jiǎng)勵(lì)努力支出任務(wù)（Effort-Expenditure for Rewards Task）中，真實(shí)刺激組的獎(jiǎng)賞敏感度（即對(duì)獎(jiǎng)勵(lì)的重視程度）在刺激后顯著提升。這些發(fā)現(xiàn)表明，僅僅一次20分鐘的小腦刺激，便足以有效調(diào)節(jié)獎(jiǎng)賞處理的多個(gè)關(guān)鍵環(huán)節(jié)。研究發(fā)表在 The Cerebellum 上。

閱讀更多：

Wang, Xuan, et al. “Cerebellar Stimulation Modulates Reward Processing: A High-Definition Transcranial Direct Current Stimulation Study.” The Cerebellum, vol. 24, no. 5, Sept. 2025, p. 153. Springer Link, https://doi.org/10.1007/s12311-025-01902-2

警惕“塑料大腦”：研究揭示腦內(nèi)微塑料與癡呆風(fēng)險(xiǎn)的驚人關(guān)聯(lián)

血管性癡呆的研究和診斷長期滯后于阿爾茨海默病，其復(fù)雜病因尚未被系統(tǒng)歸類。新墨西哥大學(xué)的 Elaine L. Bearer 提出了一套全新的血管病理分類框架，不僅系統(tǒng)性地定義了各類腦血管損傷，還揭示了腦內(nèi)微塑料（一種新型環(huán)境污染物）與癡呆風(fēng)險(xiǎn)的潛在聯(lián)系。

?塑料與血管疾病：這張大腦皮層下白質(zhì)血管圖像中，綠色代表組織的自發(fā)熒光，紅色代表肌肉和血液的伊紅染色，青綠色圓點(diǎn)代表塑料顆粒。這些塑料位于血管的最外層，并散布于腦組織中。Credit: UNM Health

該研究是一項(xiàng)開創(chuàng)性的綜述與病理分析。作者首先提出了一個(gè)包含10種不同致病過程（如缺氧、炎癥、廢物清除障礙等）的分類模型，為診斷血管性癡呆提供了清晰的框架。通過對(duì)逝者捐贈(zèng)的大腦組織進(jìn)行精細(xì)的顯微鏡分析，研究發(fā)現(xiàn)許多被診斷為阿爾茨海默病的患者同時(shí)存在嚴(yán)重的小血管病變，揭示了兩種疾病間被忽視的密切關(guān)聯(lián)。

更引人注目的是，研究在人腦血管和組織中發(fā)現(xiàn)了微塑料/納米塑料。數(shù)據(jù)顯示，癡呆癥患者腦內(nèi)的塑料顆粒含量遠(yuǎn)高于健康對(duì)照組，并且其數(shù)量與癡呆的嚴(yán)重程度和腦組織炎癥水平呈正相關(guān)。這一發(fā)現(xiàn)將環(huán)境污染與神經(jīng)退行性疾病直接聯(lián)系起來，表明微塑料可能是導(dǎo)致或加劇血管性認(rèn)知障礙的一個(gè)全新風(fēng)險(xiǎn)因素。作者呼吁基于此發(fā)現(xiàn)更新癡呆癥的診斷標(biāo)準(zhǔn)和研究方向。研究發(fā)表在 The American Journal of Pathology 上。

閱讀更多：

Bearer, Elaine L. “Exploring Vascular Contributions to Cognitive Impairment: Small-Vessel Disease of White Matter and Microplastics/Nanoplastics.” The American Journal of Pathology, vol. 0, no. 0, Aug. 2025. ajp.amjpathol.org, https://doi.org/10.1016/j.ajpath.2025.07.007

迄今為止最大規(guī)模的基因研究發(fā)現(xiàn)了13個(gè)與閱讀障礙相關(guān)的新DNA區(qū)域

來自愛丁堡大學(xué)、馬克斯·普朗克心理語言學(xué)研究所的 Hayley S. Mountford, Simon E. Fisher, Michelle Luciano 及其同事，開展了迄今最大規(guī)模的基因研究，成功識(shí)別出數(shù)十個(gè)與閱讀障礙相關(guān)的全新基因區(qū)域，并深入探究了其生物學(xué)功能。

該研究通過整合兩大基因數(shù)據(jù)庫——GenLang聯(lián)盟和基因檢測公司23andMe的數(shù)據(jù)，對(duì)超過120萬人的遺傳信息進(jìn)行了薈萃分析。研究團(tuán)隊(duì)采用了一種名為MTAG（多變量全基因組關(guān)聯(lián)分析）的先進(jìn)統(tǒng)計(jì)方法，極大地提升了檢測能力。分析結(jié)果共發(fā)現(xiàn)了80個(gè)與閱讀障礙顯著相關(guān)的基因區(qū)域，其中36個(gè)區(qū)域是首次被證實(shí)，更令人矚目的是，有13個(gè)區(qū)域是全新的，此前從未與閱讀能力相關(guān)聯(lián)。

深入的生物信息學(xué)分析表明，這些基因中的許多在生命早期的胚胎大腦發(fā)育階段非常活躍，主要參與神經(jīng)元之間的信號(hào)傳遞和通訊點(diǎn)即突觸的建立。此外，研究人員還構(gòu)建了一個(gè)多基因指數(shù)（polygenic index，一種評(píng)估個(gè)體累積遺傳風(fēng)險(xiǎn)的綜合分?jǐn)?shù)），該指數(shù)在一個(gè)獨(dú)立的樣本中成功解釋了4.7%的閱讀能力差異，為未來早期識(shí)別閱讀困難提供了可能。有趣的是，通過分析古人類DNA，研究并未發(fā)現(xiàn)這些與閱讀障礙相關(guān)的基因在過去15,000年的歐洲人群中受到任何明顯的進(jìn)化選擇壓力。研究發(fā)表在 Translational Psychiatry 上。

閱讀更多：

Mountford, Hayley S., et al. “Multivariate Genome-Wide Association Analysis of Dyslexia and Quantitative Reading Skill Improves Gene Discovery.” Translational Psychiatry, vol. 15, no. 1, Aug. 2025, p. 289. www.nature.com, https://doi.org/10.1038/s41398-025-03514-0

AI 行業(yè)動(dòng)態(tài)

FDA綠燈放行：深部經(jīng)顱磁刺激加速療法獲批

美國食品藥品監(jiān)督管理局（FDA）近日批準(zhǔn)了BrainsWay公司的一項(xiàng)創(chuàng)新加速治療協(xié)議，該協(xié)議利用其深部經(jīng)顱磁刺激系統(tǒng)，為患有抑郁癥及合并焦慮癥狀的成年患者提供了一種全新的治療路徑。這項(xiàng)批準(zhǔn)基于一項(xiàng)多中心、隨機(jī)對(duì)照試驗(yàn)的結(jié)果，該試驗(yàn)表明，新的加速方案在療效上不劣于標(biāo)準(zhǔn)方案，同時(shí)能將患者的緩解中位時(shí)間從28天縮短至21天，且未報(bào)告嚴(yán)重不良事件，為患者帶來了更快康復(fù)的希望。

新批準(zhǔn)的加速方案在治療結(jié)構(gòu)上進(jìn)行了顛覆性優(yōu)化，將急性期治療集中在6天內(nèi)完成，每日進(jìn)行5次、每次少于10分鐘的治療，大幅縮減了患者的到院次數(shù)和單次治療時(shí)長。相比之下，標(biāo)準(zhǔn)方案則需要連續(xù)數(shù)周的每日治療。這一改變不僅極大地提升了門診治療的效率和患者的依從性，也為醫(yī)療機(jī)構(gòu)的服務(wù)能力帶來了潛在的提升。然而，該方案的推廣也面臨現(xiàn)實(shí)挑戰(zhàn)，主要是現(xiàn)行醫(yī)保政策通常每日僅覆蓋最多兩次治療，與急性期每日五次的頻率存在差距，因此短期內(nèi)可能需要依賴商業(yè)保險(xiǎn)或患者自費(fèi)來彌補(bǔ)。

從更深遠(yuǎn)的技術(shù)層面看，這項(xiàng)“短療程、高頻次”的治療模式為神經(jīng)調(diào)控技術(shù)的未來發(fā)展打開了想象空間。它為實(shí)現(xiàn)閉環(huán)神經(jīng)調(diào)控提供了絕佳的實(shí)踐入口。研究人員設(shè)想，未來可以結(jié)合腦電圖（EEG）等生物標(biāo)志物，為每位患者構(gòu)建個(gè)體化的“數(shù)字孿生”模型，在短時(shí)間內(nèi)迭代優(yōu)化治療參數(shù)。長遠(yuǎn)來看，通過整合腦機(jī)接口 進(jìn)行多模態(tài)數(shù)據(jù)讀取和模型預(yù)測，有望將當(dāng)前固定的治療程式，升級(jí)為由患者實(shí)時(shí)狀態(tài)驅(qū)動(dòng)的交互式、個(gè)性化方案，從而為治療抵抗性抑郁癥患者構(gòu)建更高效、負(fù)擔(dān)更低的康復(fù)路徑。

閱讀更多：

https://www.brainsway.com/news_events/brainsway-receives-fda-clearance-for-accelerated-deep-tms-protocol-for-non-invasive-treatment-of-major-depressive-disorder-mdd/

失臂三十年后，她戴上“中國手”贏得世界冠軍

近日，國際頂尖期刊 Science Robotics 報(bào)道了東南大學(xué)宋愛國教授領(lǐng)導(dǎo)的HANDSON團(tuán)隊(duì)在一項(xiàng)全球性賽事中的卓越成就。該團(tuán)隊(duì)研發(fā)的智能假肢手，幫助已截肢三十年的徐敏女士在被譽(yù)為“仿生學(xué)奧運(yùn)會(huì)”的2024年Cybathlon全球輔助技術(shù)大賽中一舉奪魁。

該假肢手的成功源于研究人員在論文中詳述的三大核心技術(shù)創(chuàng)新。首先，團(tuán)隊(duì)摒棄了傳統(tǒng)的五指設(shè)計(jì)，采用了一種創(chuàng)新的雙指夾持器結(jié)構(gòu)，并配合一個(gè)三自由度手腕，使其兼顧了強(qiáng)大抓取與精細(xì)操作的能力。其次，針對(duì)使用者的具體情況，研究人員開發(fā)了一套體驅(qū)動(dòng)/肌電混合控制 界面，通過肩部運(yùn)動(dòng)與肌肉信號(hào)的結(jié)合，實(shí)現(xiàn)了對(duì)假肢手和腕部的精準(zhǔn)獨(dú)立操控，大大提高了操作的可靠性與直觀性。

最引人注目的創(chuàng)新在于其獨(dú)特的感知與反饋系統(tǒng)。研究人員在假手掌心集成了一枚攝像頭，構(gòu)建了一套機(jī)器視覺 輔助系統(tǒng)，能實(shí)時(shí)識(shí)別物體的形狀和材質(zhì)。識(shí)別后的信息會(huì)通過一個(gè)多模態(tài)反饋系統(tǒng)傳遞給使用者，形成了一個(gè)感知與運(yùn)動(dòng)控制的完整閉環(huán)。正是這套系統(tǒng)，幫助徐敏在比賽中完成了僅憑假手感知物體的極難任務(wù)，驗(yàn)證了該技術(shù)從實(shí)驗(yàn)室走向真實(shí)應(yīng)用的巨大潛力，并為輔助技術(shù)的未來發(fā)展指明了方向。

閱讀更多：

https://www.science.org/doi/10.1126/scirobotics.aea9377

我國發(fā)布首個(gè)腦機(jī)接口醫(yī)療器械標(biāo)準(zhǔn)

近日，國家藥品監(jiān)督管理局正式批準(zhǔn)并發(fā)布了我國第一項(xiàng)針對(duì)腦機(jī)接口醫(yī)療器械的行業(yè)標(biāo)準(zhǔn)，編號(hào)為YY/T 1987—2025《采用腦機(jī)接口技術(shù)的醫(yī)療器械 術(shù)語》。該標(biāo)準(zhǔn)將于2026年1月1日起正式實(shí)施，它的出臺(tái)標(biāo)志著我國腦機(jī)接口產(chǎn)業(yè)從探索期邁向規(guī)范化發(fā)展的新階段，為這項(xiàng)前沿技術(shù)的研發(fā)、生產(chǎn)和應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。

這項(xiàng)標(biāo)準(zhǔn)的發(fā)布旨在解決長期困擾行業(yè)發(fā)展的核心問題。此前，由于缺乏統(tǒng)一規(guī)范，腦機(jī)接口領(lǐng)域的術(shù)語使用混亂、概念定義不清，給技術(shù)交流、產(chǎn)品研發(fā)乃至市場監(jiān)管都帶來了障礙。新標(biāo)準(zhǔn)系統(tǒng)性地構(gòu)建了腦機(jī)接口醫(yī)療器械的術(shù)語體系，對(duì)基本概念、范式類型、信號(hào)形態(tài)、信號(hào)處理及應(yīng)用等核心術(shù)語進(jìn)行了明確的定義。這不僅為從業(yè)者和監(jiān)管機(jī)構(gòu)提供了權(quán)威、統(tǒng)一的通用語言，也為后續(xù)更具體的法規(guī)和技術(shù)標(biāo)準(zhǔn)的制定提供了關(guān)鍵依據(jù)，對(duì)于促進(jìn)產(chǎn)業(yè)健康有序發(fā)展具有深遠(yuǎn)意義。

國家藥監(jiān)局此次通過快速程序推動(dòng)標(biāo)準(zhǔn)立項(xiàng)與制定，體現(xiàn)了國家對(duì)腦機(jī)接口這一重大創(chuàng)新領(lǐng)域的高度重視和全力支持。此舉是貫徹落實(shí)國務(wù)院關(guān)于深化藥品醫(yī)療器械監(jiān)管改革、促進(jìn)產(chǎn)業(yè)高質(zhì)量發(fā)展意見的具體行動(dòng)。

閱讀更多：

https://www.nmpa.gov.cn/xxgk/ggtg/ylqxggtg/ylqxhybzhgg/20250916160311166.html?type=pc&m=

AI 驅(qū)動(dòng)科學(xué)

諾獎(jiǎng)得主David Baker再出重拳，RFdiffusion3顛覆蛋白質(zhì)設(shè)計(jì)

如何以原子級(jí)精度從頭設(shè)計(jì)蛋白質(zhì)，使其與藥物小分子或核酸精準(zhǔn)互作？華盛頓大學(xué)的 David Baker, Jasper Kenneth Veje Butcher 及其團(tuán)隊(duì)開發(fā)了新一代生成式AI模型RFdiffusion3。該模型首次實(shí)現(xiàn)了全原子級(jí)別的生物分子相互作用設(shè)計(jì)，在性能和效率上遠(yuǎn)超前代方法。

RFdiffusion3的核心突破在于其全原子擴(kuò)散模型。與以往僅能生成蛋白質(zhì)骨架的方法不同，RFdiffusion3能夠同時(shí)模擬蛋白質(zhì)主鏈和所有側(cè)鏈的原子，甚至包括與之相互作用的配體、核酸等非蛋白質(zhì)成分。該模型通過一種創(chuàng)新的統(tǒng)一表示法，將所有氨基酸殘基視為14個(gè)原子，從而實(shí)現(xiàn)了對(duì)整個(gè)分子系統(tǒng)的端到端設(shè)計(jì)。

在性能上，RFdiffusion3的計(jì)算速度比前代方法快了10倍，而模型參數(shù)僅為AlphaFold3的一半。在一系列計(jì)算機(jī)模擬測試中，它在設(shè)計(jì)蛋白質(zhì)與小分子、DNA以及其他蛋白質(zhì)的相互作用方面均表現(xiàn)出卓越的性能。為了驗(yàn)證其真實(shí)世界的有效性，研究團(tuán)隊(duì)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。他們成功設(shè)計(jì)并合成了一種DNA結(jié)合蛋白，其結(jié)合活性達(dá)到了5.89±2.15 μM。更令人矚目的是，在酶設(shè)計(jì)方面，團(tuán)隊(duì)創(chuàng)造出一種新型半胱氨酸水解酶，其催化效率（Kcat/Km，衡量酶活性的關(guān)鍵指標(biāo)）高達(dá)3557，顯著優(yōu)于此前的設(shè)計(jì)。

閱讀更多：

Butcher, Jasper Kenneth Veje, et al. “De Novo Design of All-Atom Biomolecular Interactions with RFdiffusion3.” bioRxiv, 18 Sept. 2025, p. 2025.09.18.676967. bioRxiv, https://doi.org/10.1101/2025.09.18.676967

大規(guī)模實(shí)驗(yàn)剖析情境學(xué)習(xí)的泛化能力與局限

大語言模型的“情境學(xué)習(xí)”（ICL）能力究竟是真正的學(xué)習(xí)還是高級(jí)的模式匹配？為了回答這一核心問題，來自微軟和約克大學(xué)（University of York）的 Adrian de Wynter 進(jìn)行了一項(xiàng)大規(guī)模實(shí)證研究。該研究系統(tǒng)地檢驗(yàn)了ICL的泛化能力，發(fā)現(xiàn)雖然ICL在數(shù)學(xué)上構(gòu)成學(xué)習(xí)，但它對(duì)新任務(wù)的泛化能力有限，且高度依賴提示中的統(tǒng)計(jì)規(guī)律而非對(duì)任務(wù)本身的深刻理解。

研究團(tuán)隊(duì)對(duì)四種主流大語言模型進(jìn)行了超過189萬次預(yù)測實(shí)驗(yàn)，涵蓋九種不同復(fù)雜度的任務(wù)。實(shí)驗(yàn)系統(tǒng)地改變了提示中的示例數(shù)量、數(shù)據(jù)分布以及提示策略，如思維鏈。與普遍認(rèn)為的“少樣本”學(xué)習(xí)不同，研究發(fā)現(xiàn)ICL的性能隨示例數(shù)量增加而提升，在50到100個(gè)示例時(shí)達(dá)到峰值。然而，ICL的魯棒性存在明顯短板。它對(duì)測試數(shù)據(jù)與提示中示例數(shù)據(jù)的分布差異極其敏感，尤其在使用思維鏈等復(fù)雜提示策略時(shí)，性能會(huì)急劇下降，這表明模型更傾向于從提示的表面統(tǒng)計(jì)規(guī)律中推斷答案，而非學(xué)習(xí)任務(wù)的內(nèi)在邏輯。此外，即使是形式上高度相似的任務(wù)，模型的表現(xiàn)也可能相差懸殊（準(zhǔn)確率差距高達(dá)31%），并且在半數(shù)任務(wù)上，其平均性能不如決策樹等傳統(tǒng)機(jī)器學(xué)習(xí)基線模型。研究總結(jié)認(rèn)為，ICL的即時(shí)編碼機(jī)制（ad-hoc encoding）并非一種穩(wěn)健的通用學(xué)習(xí)范式，這對(duì)其跨任務(wù)泛化能力構(gòu)成了根本限制。

閱讀更多：

Wynter, Adrian de. “Is In-Context Learning Learning?” arXiv:2509.10414, arXiv, 15 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.10414

阿里通義提出WebResearcher框架，通過迭代式研究范式提升AI智能體長時(shí)程推理能力

當(dāng)前AI智能體在處理復(fù)雜研究任務(wù)時(shí)，常因信息過載和早期錯(cuò)誤干擾而性能下降。來自阿里巴巴通義實(shí)驗(yàn)室的 Zile Qiao, Guoxin Chen, Xuanzhong Chen 等研究人員提出了一個(gè)名為 WebResearcher 的新框架，它通過創(chuàng)新的迭代式研究范式和數(shù)據(jù)生成引擎，顯著提升了AI智能體的長時(shí)程推理與自主研究能力。

傳統(tǒng)AI研究智能體采用“單上下文”（mono-contextual）模式，將所有信息塞入一個(gè)不斷變長的記憶中，導(dǎo)致信息過載和錯(cuò)誤累積。WebResearcher框架的核心創(chuàng)新是一種名為“迭代研究”（IterResearch）的范式，它將復(fù)雜的長時(shí)程研究分解為多個(gè)獨(dú)立的決策回合。在每個(gè)回合中，智能體只關(guān)注當(dāng)前任務(wù)、最新工具反饋和一個(gè)持續(xù)更新的“演進(jìn)報(bào)告”（evolving report）。這種機(jī)制如同人類研究員定期整理筆記，通過周期性地綜合信息并清理無關(guān)細(xì)節(jié)，有效避免了“認(rèn)知窒息”和“噪聲污染”。該過程被嚴(yán)謹(jǐn)?shù)亟轳R爾可夫決策過程。為訓(xùn)練該模型，團(tuán)隊(duì)還開發(fā)了WebFrontier數(shù)據(jù)引擎，通過多智能體協(xié)作，系統(tǒng)性地將簡單問題升級(jí)為需要深度推理的復(fù)雜任務(wù)。在推理時(shí)，框架采用“研究-綜合”策略，讓多個(gè)智能體并行研究，再由一個(gè)“總指揮”綜合它們的報(bào)告，得出更全面的結(jié)論。實(shí)驗(yàn)結(jié)果表明，在極具挑戰(zhàn)性的Humanity’s Last Exam（HLE）基準(zhǔn)測試上，WebResearcher取得了36.7%的準(zhǔn)確率，顯著超越了包括OpenAI Deep Research（26.6%）在內(nèi)的頂尖系統(tǒng)。

閱讀更多：

Qiao, Zile, et al. “WebResearcher: Unleashing Unbounded Reasoning Capability in Long-Horizon Agents.” Version 1, arXiv:2509.13309, arXiv, 16 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.13309

AgentScaler：通過環(huán)境規(guī)模化邁向通用智能體

大型語言模型如何才能像人一樣與現(xiàn)實(shí)世界有效互動(dòng)？針對(duì)智能體訓(xùn)練數(shù)據(jù)稀缺的瓶頸，阿里巴巴集團(tuán)通義實(shí)驗(yàn)室的 Runnan Fang, Shihao Cai, Jialong Wu 等人提出了AgentScaler框架。他們沒有局限于生成靜態(tài)數(shù)據(jù)，而是開創(chuàng)性地通過自動(dòng)化構(gòu)建并擴(kuò)展成千上萬個(gè)多樣化的虛擬環(huán)境，讓AI在模擬互動(dòng)中學(xué)習(xí)，從而邁向更通用的智能。

研究團(tuán)隊(duì)的核心創(chuàng)新在于實(shí)現(xiàn)了環(huán)境的自動(dòng)化構(gòu)建與規(guī)模化。他們首先收集了超過3萬個(gè)真實(shí)世界的API（應(yīng)用程序編程接口），并將其抽象為對(duì)虛擬數(shù)據(jù)庫的讀寫操作。利用圖算法，這些API被自動(dòng)聚類成超過1000個(gè)不同的功能“域”，如旅行規(guī)劃或天氣查詢。隨后，系統(tǒng)為每個(gè)域生成一個(gè)專屬的、完全可交互的模擬環(huán)境，并將API轉(zhuǎn)化為可執(zhí)行代碼。在此基礎(chǔ)上，團(tuán)隊(duì)通過模擬用戶與智能體的對(duì)話來生成高質(zhì)量的訓(xùn)練數(shù)據(jù)。這些交互數(shù)據(jù)經(jīng)過了極其嚴(yán)格的三重過濾，確保最終用于訓(xùn)練的每一條軌跡都邏輯正確且結(jié)果可驗(yàn)證。訓(xùn)練過程采用兩階段策略：先在通用環(huán)境中學(xué)習(xí)基礎(chǔ)的工具使用能力，再到特定垂直領(lǐng)域中進(jìn)行深度“專精”訓(xùn)練。基于這一框架訓(xùn)練出的AgentScaler模型在多個(gè)權(quán)威智能體基準(zhǔn)測試中表現(xiàn)出色。其中，僅有300億參數(shù)的AgentScaler-30B-A3B模型，其性能足以媲美萬億參數(shù)級(jí)的龐大模型和頂尖的閉源系統(tǒng)，證明了通過擴(kuò)展環(huán)境進(jìn)行訓(xùn)練是一種高效且強(qiáng)大的路徑。

閱讀更多：

Fang, Runnan, et al. “Towards General Agentic Intelligence via Environment Scaling.” Version 1, arXiv:2509.13311, arXiv, 16 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.13311

以計(jì)算為師：Meta提出CaT方法，將推理計(jì)算轉(zhuǎn)化為無參考監(jiān)督信號(hào)

如何在大模型缺乏標(biāo)準(zhǔn)答案的任務(wù)上進(jìn)行有效訓(xùn)練？來自牛津大學(xué)、Meta超級(jí)智能實(shí)驗(yàn)室等機(jī)構(gòu)的Dulhan Jayalath、Shashwat Goel等人提出了一種名為“以計(jì)算為師”（Compute as Teacher, CaT）的新方法。該方法巧妙地將模型在推理時(shí)進(jìn)行的額外計(jì)算轉(zhuǎn)化為高質(zhì)量的監(jiān)督信號(hào)，從而擺脫了對(duì)人工標(biāo)注或外部驗(yàn)證器的依賴。

CaT方法的核心在于“自我探索”與“綜合提煉”。首先，研究團(tuán)隊(duì)讓當(dāng)前模型針對(duì)同一問題生成多個(gè)不同的答案草稿，即并行推演（parallel rollouts）。接著，一個(gè)保持不變的錨點(diǎn)模型（anchor model）會(huì)分析這些草稿，通過整合互補(bǔ)信息、修正矛盾之處，最終“合成”出一個(gè)質(zhì)量更高的參考答案。這個(gè)過程將額外的推理計(jì)算量轉(zhuǎn)化為了寶貴的教學(xué)信號(hào)。為了將這一信號(hào)用于模型優(yōu)化，研究團(tuán)隊(duì)設(shè)計(jì)了兩種獎(jiǎng)勵(lì)機(jī)制并與強(qiáng)化學(xué)習(xí)結(jié)合。對(duì)于數(shù)學(xué)等答案可驗(yàn)證的任務(wù)，只要模型的最終輸出與合成的參考答案一致，就會(huì)獲得獎(jiǎng)勵(lì)。對(duì)于創(chuàng)意寫作等沒有唯一正確答案的非驗(yàn)證任務(wù)，模型會(huì)基于合成的參考答案，自行生成一套具體的評(píng)估標(biāo)準(zhǔn)清單，稱為自擬評(píng)分標(biāo)準(zhǔn)（self-proposed rubrics），再由一個(gè)獨(dú)立的語言模型裁判依據(jù)此標(biāo)準(zhǔn)打分。實(shí)驗(yàn)結(jié)果表明，該方法效果顯著，在Llama 3.1 8B等模型上，僅在測試時(shí)使用CaT就能將性能在MATH-500和HealthBench等基準(zhǔn)上分別提升高達(dá)27%和12%；而結(jié)合訓(xùn)練的CaT-RL則能帶來最高33%和30%的更大增益，甚至超越了最初的“教師”水平。

閱讀更多：

Jayalath, Dulhan, et al. “Compute as Teacher: Turning Inference Compute Into Reference-Free Supervision.” arXiv:2509.14234, arXiv, 17 Sept. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2509.14234

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。如果您有進(jìn)一步想要討論的內(nèi)容，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)。

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。

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天橋神經(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，包括學(xué)術(shù)會(huì)議和交流、夏校培訓(xùn)、AI驅(qū)動(dòng)科學(xué)大獎(jiǎng)、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、特殊病例社區(qū)、科學(xué)媒體「追問」、科普視頻媒體「大圓鏡」等。