█脑科学动态
Nature：全球大气微塑料浓度被高估数万倍
Nature：社交重塑肠道：同伴对婴儿微生物组的影响力超越父母
Cell：细胞特异性溶酶体蛋白质组学揭示神经退行性疾病新机制
Cell：癌症竟是阿尔茨海默病的“克星”？
Science：远古病毒残留物竟是人类生命开启的钥匙
午睡可“重置”大脑突触可塑性，让后续工作与学习保持最佳状态
古DNA揭示家猫经丝绸之路传入中国，晚于豹猫与人共生3500年
为何香菜有肥皂味？OR6A2受体结构揭示答案
█AI行业动态
LeCun创立AMI Labs，斥资35亿美元押注「世界模型」
OpenAI暗示未来要在客户利润中“抽成”
斯坦福与英伟达联合：让AI在推理阶段“现场进化”
OpenAI揭秘Codex核心架构与极简数据库方案
█AI驱动科学
Nature：每厘米10万晶体管：多层旋叠架构突破纤维电子算力瓶颈
Science：AI已编写近三分之一新代码，资深程序员获益最大
新方法让AI无需额外数据即可像人类一样进行组合推理
大模型也有“圈子文化”？研究揭示AI内化的社会偏见
仅重18克的折纸灵感戒指让虚拟世界触手可及
模拟人类视觉感知：AI视觉系统对抗攻击新方法提升模型鲁棒性
脑科学动态
Nature：全球大气微塑料浓度被高估数万倍
全球大气中究竟漂浮着多少微塑料？维也纳大学的Ioanna Evangelou及其团队通过一项大规模的全球数据分析研究给出了惊人的答案。他们发现，此前科学界对大气微塑料浓度的估算存在严重偏差，模型预测值比实际观测值高出了数百甚至数万倍，且陆地而非海洋才是大气微塑料的主要来源。
为了通过数据揭示真相，研究团队汇编了迄今为止最全面的全球大气微塑料数据集，涵盖了全球283个地点的2782个测量数据，并利用拉格朗日粒子扩散模型进行了对比模拟。研究结果显示，所有模型都大幅高估了大气微塑料的浓度，高估幅度达2至4个数量级。具体数据显示，陆地上的微塑料浓度中位数为每立方米0.08个颗粒，而海洋上空仅为0.003个颗粒，前者是后者的27倍。通过校准，团队估算出陆地每年排放约6.1×10^17个颗粒，而海洋仅为2.6×10^16个。这意味着，虽然海洋排放的颗粒可能在质量上较重，但在数量上，陆地排放占据绝对主导地位，且海洋上空检测到的大部分微塑料实际上是经由大气从陆地传输而来的。这一发现修正了人们对大气微塑料循环的认知，指出未来的治理重点应集中在陆地排放源。研究发表在 Nature 上。
#疾病与健康 #预测模型构建 #微塑料 #大气科学 #环境污染
阅读更多：
Evangelou, Ioanna, et al. “Atmospheric Microplastic Emissions from Land and Ocean.” Nature, Jan. 2026, pp. 1–4. www.nature.com, https://doi.org/10.1038/s41586-025-09998-6
Nature：社交重塑肠道：同伴对婴儿微生物组的影响力超越父母
当婴儿被送入托儿所时，他们交换的不仅仅是玩具和笑容，还有肠道中的微生物。来自意大利特伦托大学的Nicola Segata和Liviana Ricci团队通过一项大规模纵向研究发现，托儿所中的社交互动是塑造婴儿早期微生物组的核心力量。研究显示，同龄人之间的微生物“水平传播”不仅迅速，而且在影响力上甚至超过了家庭成员间的传播。这一发现挑战了传统观点，即认为家庭是婴儿微生物组的唯一主要来源，揭示了早期社交环境在构建人类微生物生态系统中的关键作用。
研究团队对3所托儿所的43名婴儿进行了长达一年的追踪，并收集了他们以及家长、兄弟姐妹和保育员的共1013份粪便样本。利用宏基因组测序（metagenomic sequencing）和高精度的菌株分析技术，研究人员绘制了微生物传播的详细网络。结果令人惊讶：入托仅3个月后，婴儿从同伴处获得的菌株比例（28.4%）就已超过了来自家庭的比例（24.0%）。研究还发现，抗生素的使用会像“催化剂”一样加速新菌株的定植，而家中有兄弟姐妹的婴儿则因其微生物组已相对“饱和”，对外界菌株的接纳度较低。这项研究提示，托儿所的卫生政策需要在控制病原体和允许有益菌交流之间找到平衡。研究发表在 Nature 上。
#疾病与健康 #疾病预防 #微生物组 #宏基因组学 #儿童发育
阅读更多：
Ricci, Liviana, et al. “Baby-to-Baby Strain Transmission Shapes the Developing Gut Microbiome.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09983-z
Cell：细胞特异性溶酶体蛋白质组学揭示神经退行性疾病新机制
溶酶体作为细胞的“清洁工”和代谢中心，在维持大脑健康中起着至关重要的作用，但其在不同脑细胞中的具体差异一直是个谜。Monther Abu-Remaileh 和 Alessandro Ori 等人（斯坦福大学）领导的研究团队绘制了首张大脑细胞类型特异性溶酶体蛋白质图谱。他们不仅揭示了溶酶体在神经元和胶质细胞中的多样性，还发现了一种导致神经系统疾病的基因突变背后的真实机制，为相关疾病的治疗提供了全新的视角。
该研究利用LysoTag技术和特定的小鼠模型，成功分离并分析了神经元、星形胶质细胞、少突胶质细胞和小胶质细胞中的溶酶体蛋白。研究人员通过这一高分辨率图谱发现，SLC45A1这种此前被认为与智力发育障碍有关的蛋白，实际上是一种神经元特异性的溶酶体糖转运蛋白。进一步的实验表明，SLC45A1对于维持V-ATPase（vacuolar ATPase，液泡型质子泵，负责调节溶酶体酸碱度的酶复合物）的稳定性至关重要。当SLC45A1缺失时，V-ATPase复合物会变得不稳定，导致溶酶体酸化受损，进而引发铁稳态失调和线粒体功能障碍。基于这些发现，研究团队提出应将SLC45A1相关疾病重新分类为溶酶体贮积症（Lysosomal Storage Disorders, LSDs），这为开发针对性的治疗策略奠定了基础。研究发表在 Cell 上。
#疾病与健康 #神经机制与脑功能解析 #溶酶体贮积症 #SLC45A1 #蛋白质组学
阅读更多：
Ghoochani, Ali, et al. “Cell-Type Resolved Protein Atlas of Brain Lysosomes Identifies SLC45A1-Associated Disease as a Lysosomal Disorder.” Cell, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.012
Cell：癌症竟是阿尔茨海默病的“克星”？Cystatin-C 蛋白揭示保护机制
为何癌症患者似乎拥有对抗阿尔茨海默病的“免疫力”？为了解开这一医学谜题，Youming Lu 团队（华中科技大学同济医学院）通过研究揭示了外周癌症通过分泌特定蛋白质抑制阿尔茨海默病病理的机制。研究发现，肿瘤分泌的因子能激活大脑免疫细胞，从而清除致病斑块，为神经退行性疾病的治疗提供了颠覆性的新思路。
▷Credit:Cell.
该研究通过在阿尔茨海默病模型小鼠体内植入肺癌、前列腺癌等外周癌细胞，惊奇地发现小鼠脑内的淀粉样蛋白斑块显著减少，认知功能得到改善。进一步探究发现，这一保护作用的关键在于癌细胞分泌的 Cystatin-C（Cyst-C）蛋白。Cyst-C 扮演了一种“分子胶水”的角色：它一方面直接结合有毒的淀粉样蛋白寡聚体，另一方面激活小胶质细胞表面的 TREM2 受体。这种双重结合如同搭建了一座桥梁，诱导小胶质细胞高效吞噬并降解已经存在的淀粉样蛋白斑块。当研究人员敲除小胶质细胞中的 TREM2 或使用突变的 Cyst-C 时，这种保护效应随之消失；而直接注射重组 Cyst-C 蛋白则能复现治疗效果。这表明基于 Cyst-C 的策略有望成为清除 AD 患者脑内既有斑块的精准疗法。研究发表在 Cell 上。
#疾病与健康 #神经机制与脑功能解析 #阿尔茨海默病 #癌症 #小胶质细胞
阅读更多：
Li, Xinyan, et al. “Peripheral Cancer Attenuates Amyloid Pathology in Alzheimer’s Disease via Cystatin-c Activation of TREM2.” Cell, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.020
Science：远古病毒残留物竟是人类生命开启的钥匙
人类生命的最初阶段是如何被精确调控的？浙江大学医学院的Hongqing Liang、Dan Zhang团队，联合同济大学的Shaorong Gao团队及浙江大学爱丁堡大学联合学院的Wanlu Liu团队，通过研究给出了惊人的答案：一种古老的病毒残留物是开启人类胚胎发育的关键。研究人员发现，在合子基因组激活（ZGA）这一关键时期，内源逆转录病毒MLT2A1发挥着不可或缺的作用，它构建了一个复杂的调控网络，确保胚胎顺利跨越发育的第一个重要门槛。
▷MLT2A1 通过合成异源嵌合 RNA 来增强人类 ZGA 的功能。ZGA 特异性 MLT2A1 通过与不同的下游序列融合来生成嵌合 RNA。
该研究利用人类体外受精胚胎和八细胞样细胞模型，结合先进的长读长转录组分析技术，深入解析了MLT2A1的功能。研究发现，MLT2A1会生成大量的嵌合RNA（Chimeric RNAs，由不同基因序列融合而成的RNA分子），这些分子充当了基因组激活的“桥梁”。具体而言，嵌合RNA的可变3'端能够识别并结合广泛的基因组区域，而其保守的5'端则负责招募异质核核糖核蛋白 U（HNRNPU，一种参与基因转录及染色质结构调节的关键蛋白质）以及RNA聚合酶II，从而启动ZGA相关基因的表达。这种独特的机制形成了一个自我放大的正反馈回路，若抑制MLT2A1，人类胚胎将陷入发育停滞。这项发现不仅揭示了“垃圾DNA”在生命起源中的重要功能，也为评估辅助生殖技术中的胚胎质量提供了潜在的生物标志物。研究发表在 Science 上。
#认知科学 #神经机制与脑功能解析 #语言学 #失配负波 #听觉感知
阅读更多：
Xiang, Yangquan, et al. “Endogenous Retroviruses Synthesize Heterologous Chimeric RNAs to Reinforce Human Early Embryo Development.” Science, vol. 391, no. 6783, Jan. 2026, p. eadv5257. science.org (Atypon), https://doi.org/10.1126/science.adv5257
午睡可“重置”大脑突触可塑性，让后续工作与学习保持最佳状态
大脑如何处理白天的信息过载并恢复学习能力？瑞士日内瓦大学的Kristoffer D. Fehér和Christoph Nissen团队通过研究发现，短暂的午睡足以“重置”大脑的神经连接状态。该研究首次在人类中证实，午睡不仅能缓解大脑疲劳，还能通过调节突触可塑性，为接纳新信息腾出空间，从而优化后续的学习与工作表现。
研究团队招募了20名健康成年人进行了一项对照实验，对比了平均44分钟的午睡与保持清醒对大脑状态的影响。为了量化大脑的变化，研究人员使用了经颅磁刺激来测量皮质兴奋性，并结合脑电图监测θ波活动，以此作为评估大脑整体突触强度的指标。此外，团队还利用配对联合刺激（PAS，一种诱导神经可塑性的实验范式）来测试长时程增强的诱导能力。
结果显示，与保持清醒相比，午睡显著降低了皮层兴奋性和脑电θ波水平，这表明大脑的高强度突触连接得到了“下调”或重置。更重要的是，午睡后受试者对PAS刺激的反应更强，意味着大脑形成新突触连接的能力得到了显著提升。这一发现证实，短暂的睡眠可以清除大脑的“缓存”，恢复其可塑性，且这种增益效果至少可持续2小时。研究发表在 NeuroImage 上。
#神经科学 #神经机制与脑功能解析 #睡眠 #突触可塑性 #学习记忆
阅读更多：
Fehér, Kristoffer D., et al. “A Nap Can Recalibrate Homeostatic and Associative Synaptic Plasticity in the Human Cortex.” NeuroImage, Jan. 2026, p. 121723. ScienceDirect, https://doi.org/10.1016/j.neuroimage.2026.121723
古DNA揭示家猫经丝绸之路传入中国，晚于豹猫与人共生3500年
家猫究竟是何时进入中国寻常百姓家的？为了解开这一谜题并厘清古代人类与猫科动物的互动历史，北京大学的罗述金（Shu-Jin Luo）团队联合牛津大学的Greger Larson团队及Yu Han、Songmei Hu等多位研究人员，利用古基因组学技术重写了中国养猫史。该研究通过分析跨越五千年的考古样本，首次证实了中国古代存在长达3500年的豹猫与人类共生期，并确定了家猫是直到唐朝才通过丝绸之路正式进入中国。
▷Credit: Cell Genomics.
研究团队对来自中国14个考古遗址的22个小型猫科动物骨骼样本进行了深入分析，这些样本的时间跨度从5400年前的新石器时代一直延续到150年前。研究人员结合了古DNA测序和碳14测年技术，结果显示，从仰韶文化时期到东汉末年，中国古代遗址中的猫科动物并非家猫，而是本土的豹猫（Prionailurus bengalensis）。这种野生猫科动物与人类保持了长达3500年的共栖关系，利用人类聚居地的食物资源生存。研究进一步发现，真正的家猫（Felis catus）直到约公元730年的唐朝才出现，且基因分析表明它们起源于近东地区，这有力地支持了家猫是随商队经由丝绸之路传入中国的假说。此外，基因表型复原十分有趣地指出，中国确认最早的家猫之一是一只全白或带有白斑的猫。研究发表在 Cell Genomics 上。
#其他 #跨学科整合 #古基因组学 #家猫 #丝绸之路
阅读更多：
Han, Yu, et al. “The Late Arrival of Domestic Cats in China via the Silk Road after 3,500 Years of Human-Leopard Cat Commensalism.” Cell Genomics, vol. 6, no. 1, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.xgen.2025.101099
为何香菜有肥皂味？OR6A2受体结构揭示答案
嗅觉受体如何精准捕捉气味分子，一直不仅是感官科学的核心问题，也与炎症等疾病调控密切相关。上海科技大学的刘志杰（Zhi-Jie Liu）、华甜（Tian Hua）、赵素文（Suwen Zhao）及水雯箐（Wenqing Shui）联合团队，通过攻克结构生物学领域的“硬骨头”，成功解析了人类嗅觉受体OR6A2的高分辨率结构。该研究不仅解释了部分人群为何对香菜产生“肥皂味”感知的分子基础，还揭示了该受体在非嗅觉组织（如免疫细胞）中潜在的病理生理作用，为理解嗅觉感知及开发炎症相关疾病的药物提供了全新视角。
▷Credit:Cell.
研究团队采用“共识序列+反向突变”策略，克服了嗅觉受体难以表达和不稳定的难题，成功解析了OR6A2与多种天然醛类气味分子及G蛋白Golf的复合物结构。最为震撼的发现是，醛类气味分子通过席夫碱（Schiff base linkage，一种由氨基和羰基缩合形成的化学键）与受体形成可逆的共价键。这种“牵手”式的识别机制此前仅在视觉系统的视紫红质中被发现，在其他G蛋白偶联受体（GPCR）家族中尚属首次。此外，研究还通过冷冻电镜（Cryo-EM）和分子动力学模拟，鉴定出了受体激活的关键“三联体”结构，表明嗅觉受体采用了一种比经典GPCR更为简洁高效的激活机制，以适应快速变化的复杂气味环境。研究发表在 Cell 上。
#疾病与健康 #神经机制与脑功能解析 #结构生物学 #嗅觉受体 #G蛋白偶联受体
阅读更多：
Wang, Tian, et al. “Structural Decoding of Reversible Covalent Linkage of Odorants in Human Olfactory Receptor OR6A2.” Cell, vol. 0, no. 0, Jan. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.017
AI 行业动态
图灵奖得主Yann LeCun创立AMI Labs，斥资35亿美元押注「世界模型」挑战LLM霸权
图灵奖得主 Yann LeCun 离开 Meta 后创立的新公司 AMI Labs（高级机器智能实验室）近日正式确立了核心研发方向：构建「世界模型（World Models，一种能够模拟和理解物理世界规律与动态的AI架构）」。这一举措标志着对当前主流的大语言模型技术路线发起了挑战。Yann LeCun 长期对基于「下一个Token预测（Next-token Prediction，根据上文概率性地预测下一个字词的生成方式）」的范式持怀疑态度，认为这种方式无法让 AI 真正理解现实世界。AMI Labs 旨在开发具备持久记忆、推理规划能力且安全可控的智能系统。研究人员提出了「带动作条件的世界模型」，该模型不执着于逐像素生成，而是通过抽象建模过滤噪声，在更高维度的表征空间中进行预测。与此同时，Yann LeCun 还担任了 Logical Intelligence 的技术研究委员会创使主席，该公司推出的 Kona 模型基于「基于能量的推理模型（Energy-Based Reasoning Models，通过最小化能量函数来寻找满足约束条件最优解的数学模型）」，同样旨在跳出语言生成范式，追求物理一致性。
在商业层面，AMI Labs 已引发资本市场的激烈争抢，估值据传已达 35 亿美元。公司由 Alex LeBrun 担任首席执行官，他此前是医疗 AI 初创公司 Nabla 的联合创始人，而 Yann LeCun 则出任执行董事长。鉴于核心团队在医疗健康领域的背景，以及世界模型对可靠性的极致追求，AMI Labs 的应用场景将高度聚焦于工业控制、机器人技术及医疗健康等高风险领域。研究人员指出，这种「智能体系统」必须能够预见行为结果，从而在安全约束下可靠地行动。尽管 Yann LeCun 曾公开批评前东家的部分战略，但 Meta 很可能成为 AMI Labs 的首个客户。此外，公司计划采用开源与技术授权相结合的模式，并保持总部位于巴黎的全球化运营，而 Yann LeCun 本人将保留在纽约大学的教职，继续连接学术界与产业界。
#YannLeCun #世界模型 #AMI_Labs #反LLM范式 #智能体系统
阅读更多：
https://techcrunch.com/2026/01/23/whos-behind-ami-labs-yann-lecuns-world-model-startup/
OpenAI不想只卖铲子了：CFO暗示未来要在客户利润中“抽成”
OpenAI CEO Sam Altman 近日高调透露，仅公司 API 业务的 ARR（Annual Recurring Revenue，年度经常性收入）月增长已超过 10 亿美元，与此同时，外界传闻其正寻求估值高达数千亿美元的新一轮融资。然而，比财务数据更具冲击力的是 OpenAI CFO Sarah Friar 在达沃斯论坛上提出的全新商业构想——“价值共享”（Value Sharing，指通过技术贡献获取客户创造收益的一部分）。Sarah Friar 以药物研发为例指出，如果制药公司利用 OpenAI 的技术成功发现新药，OpenAI 将不再满足于仅收取基础的软件使用费，而是希望从客户因此获得的巨大商业收益中抽取一定比例的利润。这意味着这家 AI 巨头正计划从单纯的工具供应商转型为深度参与客户商业闭环的合作伙伴，试图在客户利用 AI 获得成功时进行“抽成”，这一策略转变迅速在科技界和商业界引发了轩然大波。
这一潜在的商业模式调整被外界解读为对现有 AI 工具化认知的巨大颠覆。批评者将其比作 Adobe 要求对设计师创作的图片进行抽成，并尖锐地指出，OpenAI 在自身训练数据版权尚存争议的情况下，试图从用户的 IP中获利极具讽刺意味，甚至可能导致商业客户流失。尽管面临质疑，但 AI 在生物医药领域的应用确实正在加速，OpenAI 已与赛默飞世尔科技（Thermo Fisher Scientific）等企业展开深度合作，并积极向瑞维拓（Revvity）等公司寻求专业数据授权，以训练针对生物学优化的模型。事实上，谷歌 DeepMind 和 Anthropic 等竞争对手也在探索类似的数据许可与合作路径。Sarah Friar 甚至在博客中暗示，这种基于结果定价的模式未来可能进一步扩展至能源和金融领域，表明随着大模型展现出“想法合成器”的潜力，OpenAI 正试图重新定义 AI 时代的价值分配规则。
#OpenAI #商业模式 #药物研发 #价值共享 #SamAltman
阅读更多：
https://www.theinformation.com/newsletters/applied-ai/openai-plans-take-cut-customers-ai-aided-discoveries?rc=jn0pp4
斯坦福与英伟达联合发布TTT-Discover：让AI在推理阶段“现场进化”
斯坦福大学与英伟达的研究人员近日联合发布了一项名为 TTT-Discover 的突破性研究，提出了一种打破“模型训练完即定型”铁律的全新 AI 推理范式。与传统大模型在预训练后参数冻结（Parameters Frozen，模型权重固定不再变化）的模式不同，TTT-Discover 允许模型在推理阶段（Test-Time）针对特定难题，利用强化学习直接修改自身的参数和权重。这种被称为“测试时训练”（Test-Time Training，简称 TTT）的方法采取了极端的策略：它不再追求模型的通用性和稳健性，而是鼓励模型在考场上“现场长脑子”，为了解决单一的极端问题进行高风险探索，甚至不惜让模型陷入过拟合。该项目的核心推动者 Yu Sun 认为，真正的智能体不应在训练结束时停止学习，而应在推理过程中通过参数更新继续进化。
TTT-Discover 在数学、代码优化和算法竞赛等硬核领域展现了碾压人类顶尖水平的能力。在数论领域的 Erdős 最小重叠问题上，它通过构造极其复杂的非对称函数刷新了历史记录；在 GPU 内核优化比赛中，它生成的代码运行速度比人类第一名快 50%，展现了激进的算子融合能力；在 AtCoder 启发式竞赛中，它更是击败了人类金牌选手的历史最佳成绩。尽管这种“一次性特种兵”模型存在成本高昂（解决单道题算力成本约 500 美元）、功能单一且依赖明确奖励信号等局限，但它展示了 AI 在解决癌症药物研发、数学猜想证明等科学发现领域的巨大潜力。研究人员通过这一成果，向外界展示了一种为了照亮未知瞬间而燃尽自我的全新智慧形态。
#TTT-Discover #斯坦福大学 #英伟达 #AI推理 #科学发现
阅读更多：
https://arxiv.org/pdf/2601.16175
OpenAI揭秘Codex核心架构与极简数据库方案，强势回应Claude挑战
面对 Anthropic 旗下 Claude Code 的强势挑战，OpenAI 近日祭出重拳，首度揭秘了其 Codex 模型背后的核心架构“智能体循环”（Agent Loop）。研究人员指出，Agent Loop 不仅仅是简单的问答系统，更是一个包含“观察-思考-行动-反馈”的闭环总指挥，它能将用户意图、模型推理与执行工具完美串联。通过自动构建包含系统指令、工具定义和环境上下文的提示词，模型能够自主规划路径、调用 Shell 等工具并根据反馈进行自我修正。为解决长对话带来的成本爆炸和上下文窗口限制，OpenAI 引入了两项硬核优化：利用“提示词缓存”（Prompt Caching，通过前缀匹配技术复用未变更的内容以降低计算量）将成本从平方级降至线性级；以及采用“对话压缩”，确保 AI 在处理复杂任务时“智商”始终在线。
在基础设施层面，OpenAI 更是曝出惊人细节：仅凭一个主节点的 PostgreSQL配合 50 个只读副本，便成功支撑起全球 8 亿用户的海量访问。研究人员透露，这套架构的核心在于极致的读写分离与性能优化。通过引入 PgBouncer（连接池代理，用于复用数据库连接以显著降低建立连接的开销），连接时间从 50ms 骤降至 5ms；同时利用缓存锁定机制有效避免了服务雪崩。尽管目前面临写入放大的物理极限，但 OpenAI 用实践证明，通过将单机架构优化到极致，完全可以在不盲目追求复杂分布式系统的情况下，满足超大规模的用户需求。
#OpenAI #Codex #AgentLoop #PostgreSQL #高并发架构
阅读更多：
https://openai.com/index/unrolling-the-codex-agent-loop/
AI 驱动科学
Nature：每厘米10万晶体管：多层旋叠架构突破纤维电子算力瓶颈
纤维电子虽已具备供电、传感和显示功能，但长期缺乏核心的信号处理能力，阻碍了智能交互系统的构建。复旦大学的Zhen Wang、Ke Chen、Xiang Shi、Huisheng Peng及Peining Chen等人打破常规，成功研发出具备高密度集成电路的纤维器件，填补了这一关键空白。
研究团队创新性地提出了一种多层旋叠架构（multilayered spiral architecture），即先在平面基底上完成微纳加工，再将其卷曲成螺旋结构的纤维。这种方法使得纤维集成电路（FIC）的集成密度高达每厘米10万个晶体管。该器件不仅能处理数字和模拟信号，还能执行高识别精度的神经计算。在极端条件测试中，该纤维经受住了10000次循环弯曲、30%的拉伸、每厘米180度的扭转，甚至重达15.6吨集装箱卡车的碾压，性能依然保持稳定。这一突破实现了单根纤维内的闭环控制，无需外接笨重处理器，为脑机接口、智能织物及虚拟现实可穿戴设备等应用开辟了新路径。研究发表在 Nature 上。
#意识与脑机接口 #跨学科整合 #智能织物 #柔性电子 #纤维芯片
阅读更多：
Wang, Zhen, et al. “Fibre Integrated Circuits by a Multilayered Spiral Architecture.” Nature, Jan. 2026, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-09974-0
Science：AI已编写近三分之一新代码，资深程序员获益最大
生成式人工智能正在重塑全球软件开发产业，但其带来的红利并非均匀分布。由复杂性科学中心的Frank Neffke和Simone Daniotti等人组成的研究团队，通过分析海量编程数据，揭示了AI辅助编程的全球普及趋势及其对生产力的实际影响。研究发现，虽然AI代码的占比迅速攀升，但主要是经验丰富的开发者从中获得了生产力提升，而非初学者。
▷左图：人工智能编写的 Python 函数占比（2019-2024 年）快速增长，但各国采用率存在差异。美国在生成式人工智能的早期应用方面处于领先地位，其次是法国和德国等欧洲国家。从 2023 年开始，印度迅速迎头赶上，而中国和俄罗斯的应用进展则较为缓慢。右图：比较同一批程序员在不同时间点的使用率，生成式人工智能的应用与生产力（代码提交次数）、功能广度（库使用）和新功能探索（库条目）的提升相关，但这种关联仅限于资深开发人员，而初级开发人员在使用生成式人工智能时并未获得任何具有统计学意义的显著收益。Credit: Complexity Science Hub (CSH)
该研究分析了全球最大的代码托管平台GitHub上超过3000万条Python代码贡献，涉及约16万名开发者。团队开发并使用了一种神经分类器，这是一种专门训练用于区分人类编写代码与AI生成代码的机器学习模型。结果显示，到2024年底，美国新编写的软件代码中已有约29%由AI生成，显著高于中国的12%。值得注意的是，研究发现了一个明显的“经验悖论”：经验较少的初级程序员在37%的代码中使用了AI，而资深程序员仅为27%；然而，生产力的提升（代码提交量增加3.6%）和技能边界的拓展（探索新功能库）主要集中在资深开发者身上，初学者几乎没有获得显著收益。这表明AI工具目前更多是锦上添花，而非帮助新手弯道超车的捷径。研究发表在 Science 上。
#AI 驱动科学 #大模型技术 #软件工程 #自动化科研 #经济学
阅读更多：
Daniotti, Simone, et al. “Who Is Using AI to Code? Global Diffusion and Impact of Generative AI.” Science, vol. 0, no. 0, Jan. 2026, p. eadz9311. science.org (Atypon), https://doi.org/10.1126/science.adz9311
新方法让AI无需额外数据即可像人类一样进行组合推理
如何让AI不只是死记硬背，而是像人类一样具备灵活的推理能力？Yinglun Zhu及其团队（加州大学河滨分校）开发了一种名为“测试时匹配”（TTM）的新技术，成功解决了这一难题。该研究表明，通过优化评估方式和引入自我改进机制，即使是较小规模的AI模型也能在无需额外训练数据的情况下，展现出超越GPT-4.1的强大组合推理能力。
▷SimpleMatch 和 TTM 显著提升了 VLM 和 MLLM 在组合推理基准测试 Winoground、MMVP-VLM 和 ColorSwap 上的性能，并创造了新的性能记录。Credit: arXiv (2025).
长期以来，人工智能在面对“组合推理”（compositional reasoning，即基于已知部分理解新组合的能力）时往往表现不佳。研究团队首先指出，传统的评估方法低估了AI的潜能，通过引入一种新的评估指标SimpleMatch，他们发现模型实际上隐藏着未被发掘的能力。在此基础上，团队进一步开发了TTM算法。该算法模拟人类利用上下文进行推理的过程：让模型在测试阶段预测图像与文本的匹配关系，选取置信度最高的结果进行自我微调，并不断迭代优化。实验结果显示，应用该技术后，相对较小的模型SigLIP-B16在多项基准测试中刷新了记录，特别是在MMVP-VLM数据集上，其准确率达到89.4%，超越了GPT-4.1。此外，GPT-4.1在使用新方法后，在Winoground测试中首次超越了人类的平均表现。这项研究打破了“模型越大越好”的迷思，证明了通过智能的测试时适应策略，可以显著释放现有AI模型的潜力。
#大模型技术 #计算模型与人工智能模拟 #组合推理 #测试时匹配 #视觉语言模型
阅读更多：
Zhu, Yinglun, et al. “Test-Time Matching: Unlocking Compositional Reasoning in Multimodal Models.” arXiv:2510.07632, arXiv, 9 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2510.07632
大模型也有“圈子文化”？研究揭示AI内化的社会偏见
人工智能是否会继承人类“党同伐异”的劣根性？Tabia Tanzin Prama和Julia Witte Zimmerman等人（佛蒙特大学）的研究给出了肯定的答案。该团队发现，大型语言模型不仅吸收了训练数据中的事实关联，还内化了人类的社会偏见，表现出明显的内群体偏好和外群体敌意，并成功开发出一种能够显著缓解此类偏见的新策略。
▷使用秩湍流散度 (RTD) 的异质分类图比较了由 LLaMA-3.1 生成的自由派和保守派人物语料库。左图显示了秩-秩直方图，右图显示了秩湍流散度图，以可视化两种阵营间词语使用差异。Credit: arXiv (2025).
研究团队对GPT-4.1、DeepSeek-3.1等五个主流模型进行了全面评估。通过结合情感动力学和异类分类学（allotaxonometry，一种用于比较不同系统间等级分布差异的统计方法）分析发现，所有模型在默认状态下都倾向于通过语言表达“内群体团结”与“外群体敌意”。更有趣的是，当研究人员要求模型扮演特定政治立场的“人格”时，模型的偏见模式发生了系统性偏移：扮演“保守派”的模型表现出更强的外群体敌意，而“自由派”模型则表现出更强的内群体团结。此外，针对特定外群体的诱导性提示会使模型生成的敌对语言增加最高达21.76%。为解决这一问题，团队开发了名为ION的“内群体-外群体中和”策略，利用直接偏好优化（Direct Preference Optimization，一种无需奖励模型即可直接根据人类偏好数据优化策略的算法）进行微调，成功将模型的情感分歧降低了69%。
#大模型技术 #计算模型与人工智能模拟 #社会偏见 #算法伦理 #直接偏好优化
阅读更多：
Prama, Tabia Tanzin, et al. “Us-vs-Them Bias in Large Language Models.” arXiv:2512.13699, arXiv, 3 Dec. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2512.13699
仅重18克的折纸灵感戒指让虚拟世界触手可及
目前的虚拟现实技术虽然视觉效果逼真，却往往让人“看得见摸不着”。为了解决这一感官缺失，Sunju Kang、Mustafa Mete和Jamie Paik等研究人员（成均馆大学、洛桑联邦理工学院、伊斯坦布尔理工大学）开发了一款名为OriRing的新型可穿戴设备。这款设备突破了传统触觉反馈装置体积大、重量沉的局限，成功在极轻的重量下实现了逼真的触觉交互。
▷一种带有三轴力感应皮肤的可穿戴触觉力反馈戒指。A) 我们开发了一种名为 OriRing 的可穿戴触觉戒指，重量仅为 18 克，可产生高达 6.5 牛顿的力。该设计融合了基于折叠的棱柱关节、三轴力感应皮肤、喷墨打印的弯曲传感器、单像素阵列 (SPA) 和 3D 打印的环形框架。B) 力感应皮肤由上层柔软的金字塔微结构、下层四个电阻像素以及分隔两层的间隔层组成。这种设计能够检测法向力和剪切力。C) 凭借其多模态传感和驱动能力，OriRing 通过动觉和本体感觉反馈来呈现虚拟物体的尺寸和刚度。它还允许用户通过发送数字命令来修改这些属性，从而展示了与数字环境的双向通信。 Credit: Kang et al. (Nature Electronics, 2025).
该研究团队从折纸艺术中汲取灵感，设计了一种基于折叠的几何结构，结合柔性气动致动器（soft pneumatic actuators）和喷墨打印的弯曲传感器，打造出仅重18克的智能戒指。OriRing的核心创新在于其三轴力感应皮肤，该皮肤由带有微小金字塔结构的拓扑优化层和电阻像素层组成，能够同时敏锐地检测手指受到的法向力和剪切力。实验表明，该设备不仅能精准追踪手指运动，还能在三个自由度上提供高达6.5牛顿的动觉反馈，模拟出虚拟物体的尺寸、刚度以及按压或滑动的真实触感。这一技术实现了用户与数字环境的双向通信，有望在游戏、专业培训及医疗康复等领域带来革命性的沉浸体验。研究发表在 Nature Electronics 上。
#其他 #机器人及其进展 #虚拟现实 #触觉反馈 #可穿戴设备
阅读更多：
Kang, Sunju, et al. “An 18-g Haptic Feedback Ring with a Three-Axis Force-Sensing Skin.” Nature Electronics, vol. 8, no. 12, Dec. 2025, pp. 1234–46. www.nature.com, https://doi.org/10.1038/s41928-025-01515-x
模拟人类视觉感知：AI视觉系统对抗攻击新方法提升模型鲁棒性
为了解决深度神经网络在面对恶意攻击时的脆弱性，Doshisha University的Masatomo Yoshida和Masahiro Okuda开发了一种名为IFAP的创新框架。该研究旨在通过生成更具隐蔽性和自然感的对抗样本，对AI视觉系统进行更有效的压力测试。结果表明，这种新方法不仅能成功欺骗AI模型，还能生成在视觉和频谱特征上与原始图像高度一致的扰动，为提升医疗诊断和自动驾驶等关键领域AI系统的安全性提供了新的评估工具。
▷IFAP 利用模型梯度生成对抗性扰动，然后在离散余弦变换 (DCT) 域中对其进行整形。与应用固定频率掩码的现有频率感知方法不同，IFAP 引入了一种基于输入图像频谱的输入自适应频谱包络约束。该约束引导扰动的全频谱轮廓与输入图像相符，从而在保持攻击有效性的同时，提高了所生成对抗样本的频谱保真度。Credit: Professor Masahiro Okuda / Doshisha University, Japan
现有的对抗攻击技术通常仅通过限制噪声幅度（Lp范数）来隐藏攻击，但这往往导致图像出现不自然的颗粒感，容易被基于频率的安全过滤器检测到。为了突破这一局限，研究团队提出了IFAP框架，利用离散余弦变换（DCT）技术，在频域内对攻击噪声进行整形。不同于以往使用固定频率掩码的方法，IFAP引入了输入自适应频谱包络约束，使添加的噪声能够自适应地匹配输入图像的整个频率分布。为了准确评估效果，团队还开发了名为频率余弦相似度（Freq_Cossim）的新指标，专门衡量噪声与原图在频谱轮廓上的匹配度。实验显示，IFAP生成的对抗样本不仅视觉上更自然，而且由于噪声与图像纹理高度融合，即使经过JPEG压缩或模糊处理等常见的图像清洗手段，攻击依然有效。这项研究表明，模拟人类感知的频率特性是设计下一代高鲁棒性AI模型的关键。研究发表在 IEEE Access 上。
#其他 #计算模型与人工智能模拟 #计算机视觉 #对抗样本 #AI安全
阅读更多：
Yoshida, Masatomo, and Masahiro Okuda. “IFAP: Input-Frequency Adaptive Adversarial Perturbation via Full-Spectrum Envelope Constraint for Spectral Fidelity.” IEEE Access, vol. 13, 2025, pp. 217504–18. IEEE Xplore, https://doi.org/10.1109/ACCESS.2025.3648201
整理｜ChatGPT
编辑｜丹雀、存源
关于追问nextquestion
天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~
关于天桥脑科学研究院
天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。
研究院在华山医院、上海市精神卫生中心分别设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工陈天桥雒芊芊神经科学研究院。
研究院还建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、、科普视频媒体「大圆镜」等。
热门跟贴