█ 脑科学动态
Nature：为何我们会高估来之不易的事物？
Nature：百种基因突变如何导致相同的自闭症症状？
Nature：剔除幻觉副作用，开发新型快速抗抑郁药
新型化合物Mic-628可重置生物钟缓解时差反应
铜和铅等重金属暴露显著增加儿童ADHD风险
压力让你“嘴里发苦”，皮质醇激活味觉受体机制
大脑隐藏回路是将急性疼痛转化为慢性疼痛的关键
五十年数据揭示劣势社区如何通过焦虑催人老
老年人在现实情境中解读情绪的能力优于年轻人
█ AI行业动态
中国团队领跑太空算力竞赛，2800颗卫星构建“星际大脑”
AlphaGenome登Nature封面，AI解锁98%基因组“暗物质”
Neuralink受试者达 21人，意念打字速度超越常人
█ AI驱动科学
Nature：Emu3仅靠“下一个token预测”统一多模态学习
深度学习系统软件 VibeTensor：由 AI 代理完全生成的里程碑
AlphaGenome：谷歌DeepMind发布AI模型精准预测基因调控
贴上“人类”标签后，AI在深度对话中带来的亲密感超越真人
Polymathic AI 发布首个跨领域物理基础模型
新型AI代理框架：将人类专家知识“编码”进大模型
多智能体强化学习中的通信策略：没有万能钥匙
脑科学动态
Nature：为何我们会高估来之不易的事物？
为什么我们会因为排了长队而觉得奶茶更好喝？这种“沉没成本”现象背后的神经机制一直是个谜。Neir Eshel、Robert C. Malenka及Gavin C. Touponse等（斯坦福大学医学中心）通过小鼠实验揭示了其中的奥秘。他们发现，大脑并非客观地衡量奖励，而是根据获取奖励所付出的努力来调节快感，这一过程涉及特定的神经化学物质相互作用。
在这项研究中，研究团队设计了一系列精巧的实验，要求小鼠通过不同程度的努力（如鼻触特定次数或承受轻微电击）来获得糖水或直接的大脑奖赏刺激。研究人员利用先进的GRAB DA传感器实时监测小鼠大脑伏隔核中的多巴胺水平。结果显示，对于完全相同的奖励，如果小鼠为其付出的“成本”越高，在获得奖励瞬间释放的多巴胺就越多。进一步的机制研究发现，这一现象的关键在于乙酰胆碱。当小鼠进行高强度努力时，伏隔核内的局部神经元会释放乙酰胆碱，这些乙酰胆碱分子会像“放大器”一样结合在多巴胺神经元的末梢，从而增强多巴胺的释放。这一发现不仅解释了为什么我们会高估那些来之不易的东西，也为理解动机、成瘾及相关精神疾病提供了新的神经生物学基础。研究发表在 Nature 上。
#神经科学 #神经机制与脑功能解析 #沉没成本 #多巴胺 #乙酰胆碱
阅读更多：
Touponse, Gavin C., et al. “Cholinergic Modulation of Dopamine Release Drives Effortful Behaviour.” Nature, Jan. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-10046-6
Nature：百种基因突变如何导致相同的自闭症症状？
为何成百上千种不同的基因突变会导致相似的自闭症症状？来自加州大学洛杉矶分校的Daniel H. Geschwind和斯坦福大学的Sergiu P. Pasca等研究人员合作，绘制了一张展示八种不同基因突变如何影响早期大脑发育的综合图谱。研究团队通过对比分析发现，尽管起始的遗传路径不同，但这些突变最终殊途同归，汇聚于共同的分子通路，这为理解自闭症的高度遗传异质性与共同症状之间的联系提供了关键证据。
为了克服直接研究人类胎儿大脑发育的困难，研究团队利用人类诱导多能干细胞培育出了人类皮质类器官（human cortical organoids，在实验室培养的模拟大脑结构的三维细胞簇）。研究涵盖了8种特定的自闭症相关突变及特发性自闭症病例。通过对这些类器官进行长达100天的RNA测序监测，团队发现，在发育早期，不同突变呈现出独特的分子特征；但随着时间推移，它们逐渐影响重叠的生物学过程，特别是涉及神经元成熟和突触形成的通路。研究还识别出一个关键的调控网络，涉及染色质重塑，并通过CRISPR技术验证了该网络在驱动下游基因表达变化中的核心作用。相比之下，特发性自闭症组未显示出这种一致性，突显了其更复杂的遗传结构。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #自闭症 #类器官 #基因突变
阅读更多：
Gordon, Aaron, et al. “Developmental Convergence and Divergence in Human Stem Cell Models of Autism.” Nature, Jan. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41586-025-10047-5
Nature：剔除幻觉副作用，开发新型快速抗抑郁药
针对抑郁症治疗中现有药物起效慢、应答率低以及致幻剂疗法副作用大的难题，四川大学华西医院的邵振华、颜微与中国科学院长春应用化学研究所的王晓辉、华中科技大学的刘剑峰及四川大学华西医院的杨胜勇等团队合作，系统解析了致幻剂的作用机制并开发了新型候选药物。研究团队发现5-羟色胺2A受体（5-HT2AR）介导的特定信号通路是导致幻觉的关键，通过分离该通路，他们成功设计出一种新型化合物，既保留了致幻剂快速、长效的抗抑郁潜能，又剔除了致幻副作用。
该研究综合运用了细胞药理学、动物行为学以及冷冻电镜（Cryo-EM）技术。研究人员解析了5-HT2AR与下游信号蛋白复合物的5种高分辨率结构，并对比了致幻剂与非致幻类似物的药理特征。结果颠覆了传统认知，发现致幻剂诱导的幻觉实际上依赖于5-HT2AR介导的非经典Gi信号通路（Gi signaling），而抗抑郁和抗焦虑的治疗效应则主要由Gq信号通路驱动。基于这一“疗效-致幻分离”的新机制，团队理性设计并合成了具有Gq偏向性的新型先导化合物DOI-NBOMe。在小鼠模型实验中，该化合物展现出良好的血脑屏障透过性，不仅能快速且持久地发挥抗抑郁作用，而且完全没有表现出致幻相关的行为特征。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #心理健康与精神疾病 #药物开发 #结构生物学
阅读更多：
Xu, Zheng, et al. “Psychedelics Elicit Their Effects by 5-HT2A Receptor-Mediated Gi Signalling.” Nature, Jan. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-10061-7
新型化合物Mic-628可重置生物钟缓解时差反应
如何有效缓解跨时区旅行和夜班工作带来的生物钟紊乱？日本Yoshifumi Takahata和Hajime Tei团队（大阪大学、金泽大学等）发现了一种名为Mic-628的新型口服化合物。该化合物能够不受服药时间限制，特异性地将哺乳动物的生物钟提前，从而显著加速从时差反应中的恢复过程。
▷ Credit: Yoshifumi Takahata
研究团队首先在小鼠模型中进行了模拟时差实验，通过口服给予Mic-628，发现单次给药可使小鼠适应新昼夜节律的时间从7天缩短至4天。进一步的质谱分析和分子实验表明，Mic-628的作用机制并非简单的光照模拟，而是直接在分子层面起作用。它能与抑制蛋白CRY1（一种核心生物钟抑制蛋白）结合，进而促进形成特定的蛋白复合物，通过特异性结合DNA上的双E-box元件（dual E-box，指一段特定的基因转录调控序列），强烈激活生物钟基因Per1的表达。这种激活作用使得大脑视交叉上核的中枢生物钟和肺等外周生物钟同步提前。结合数学建模分析，这种单向且稳定的相位推进效应由PER1蛋白自身的负反馈回路介导，从而确保了药效不受给药时间的影响。该研究为治疗昼夜节律紊乱提供了新的药理学策略，相关研究发表在 PNAS 上。
#疾病与健康 #神经机制与脑功能解析 #生物钟 #时差反应 #Per1基因
阅读更多：
Takahata, Yoshifumi, et al. “A Period1 Inducer Specifically Advances Circadian Clock in Mice.” Proceedings of the National Academy of Sciences, vol. 123, no. 4, Jan. 2026, p. e2509943123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2509943123
铜和铅等重金属暴露显著增加儿童ADHD风险
环境毒素如何潜移默化地影响儿童的大脑发育？来自罗维拉-维尔吉利大学的Sharanpreet Kaur和Fina Canals等研究人员深入探究了这一问题。该团队通过对比分析儿童体内的重金属含量与神经心理表现，发现长期接触特定重金属不仅与注意力缺陷多动障碍（ADHD）的高发病率密切相关，还可能加剧患儿的症状表现。
为了量化这种风险，研究团队选取了205名6至16岁的儿童进行对照研究，其中包括139名依据《精神疾病诊断与统计手册第五版》（DSM-5，一套国际通用的精神疾病分类与诊断标准）确诊的ADHD患儿。研究人员采集了受试者的尿液样本，并结合智商、逻辑推理及视觉运动处理速度等认知测试数据进行分析。结果令人震惊：体内铅含量最高的儿童，其ADHD患病风险是其他儿童的5倍；而铜含量的影响更为剧烈，高水平铜暴露与ADHD确诊率增加16倍相关。此外，研究还发现镉、锑和汞的暴露也与注意力不集中及反应时间不稳定等症状有关。值得注意的是，ADHD患儿似乎对这些环境毒素表现出更高的“生物敏感性”，即在同等暴露水平下受到的负面影响更重。研究发表在 Journal of Attention Disorders 上。
#疾病与健康 #心理健康与精神疾病 #多动症 #环境污染 #儿童发育
阅读更多：
Kaur, Sharanpreet, et al. “Investigating the Association Between Heavy Metals and Attention Deficit Hyperactivity Disorder in Children: An Exploratory Study.” Journal of Attention Disorders, vol. 29, no. 6, Apr. 2025, pp. 423–36. SAGE Journals, https://doi.org/10.1177/10870547251315276
压力让你“嘴里发苦”，皮质醇激活味觉受体机制
苦味受体不仅仅存在于舌头上，它们还分布在大脑、心脏和肠道深处，但在这些不接触食物的地方，它们究竟在“品尝”什么？Tatjana Lang和Maik Behrens等人（慕尼黑工业大学莱布尼茨食品系统生物学研究所）进行了一项突破性研究。团队发现，某些人类苦味受体实际上对体内的类固醇激素有反应。这一发现表明，这些受体在生理过程中扮演着此前被低估的角色，不仅是防御毒素的警报器，更是体内激素状态的信号传递者。
▷ Credit: Annals of the New York Academy of Sciences (2026).
研究团队利用细胞测试系统和计算机辅助模拟技术，对19种类固醇激素进行了广泛的功能测试。结果显示，苦味受体TAS2R14和TAS2R46能够识别并响应孕酮、睾酮和氢化可的松等激素，其中TAS2R46最为敏感。值得注意的是，这些受体在怀孕或极端压力等生理状态下出现的激素浓度水平即可被激活。例如，压力荷尔蒙皮质醇（氢化可的松）在唾液中的浓度可达微摩尔级别，足以激活TAS2R46，这解释了为何人在压力大时会感到口中有苦味。此外，研究还发现约8%的人群携带无功能的TAS2R46基因变异，这意味着不同个体对激素引发的生理反应可能存在显著差异。这项研究为理解孕期味觉改变、以及激素如何通过受体影响血压和心脏功能提供了新的视角。研究发表在 Annals of the New York Academy of Sciences 上。
#疾病与健康 #神经机制与脑功能解析 #苦味受体 #类固醇激素 #内分泌系统
阅读更多：
Lang, Tatjana, et al. “Steroid Hormones Are Potent and Putatively Endogenous Activators of Human Bitter Taste Receptors.” Annals of the New York Academy of Sciences, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1111/nyas.70172. Accessed 29 Jan. 2026
大脑隐藏回路是将急性疼痛转化为慢性疼痛的关键
为什么身体伤愈后疼痛依然存在？科罗拉多大学博尔德分校的 Linda R. Watkins 和 Jayson B. Ball 团队通过研究发现，大脑中一个未被充分研究的区域隐藏着将暂时性疼痛转化为慢性疼痛的关键“开关”。这项研究利用先进的遗传学工具，不仅揭示了导致慢性疼痛持续的特定神经回路，还成功在动物模型中通过“关闭”该回路消除了持续数月甚至数年的疼痛，为开发非阿片类药物疗法和脑机接口治疗提供了新靶点。
在该研究中，团队聚焦于大脑深处的尾部颗粒岛叶皮层（CGIC），并利用化学遗传学技术和新型荧光蛋白，精准地操控和观察大鼠大脑中的特定神经元群。研究发现，CGIC本身对急性疼痛的处理影响甚微，但它通过向体感皮层发送信号，进而指示脊髓持续传递疼痛信息，是疼痛慢性化的关键决策者。实验结果显示，当研究人员抑制CGIC到体感皮层的通路时，受损大鼠的慢性疼痛会迅速消失；反之，若在健康大鼠体内激活该通路，则会诱发异常性疼痛。这一发现表明，慢性疼痛本质上是大脑的一种“学习”错误，通过靶向干预这一回路，未来有望通过微创注射或脑机接口技术，在不产生阿片类药物副作用的情况下治疗人类的严重慢性疼痛。研究发表在 The Journal of Neuroscience 上。
#疾病与健康 #神经机制与脑功能解析 #慢性疼痛 #神经调控 #脑机接口
阅读更多：
Ball, Jayson B., et al. “Caudal Granular Insular Cortex to Somatosensory Cortex I: A Critical Pathway for the Transition of Acute to Chronic Pain.” Journal of Neuroscience, Dec. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.1306-25.2025
五十年数据揭示劣势社区如何通过焦虑催人老
居住环境如何潜移默化地改变我们的衰老速度？Christina Kamis（伊利诺伊大学厄巴纳-香槟分校）与Wei Xu（威斯康星医学院）等人组成的团队，深入探究了长期社区环境劣势与生物学衰老之间的联系。研究发现，长期的社会经济劣势不仅直接加速衰老，还通过增加心理困扰间接产生影响，其中焦虑情绪起到了关键的中介作用。
▷ 累积性邻里劣势、总体困扰和加速表观遗传衰老之间的关联路径；威斯康星州健康调查 (SHOW) (N=1,448)。注：EAA = 表观遗传衰老加速。仅显示显著路径 (p < 0.05)。总体困扰以 DASS-21 总分衡量。Credit: The Journals of Gerontology, Series B: Psychological Sciences and Social Sciences (2025).
该研究分析了威斯康星州约1440名居民长达五十年的居住历史数据，结合生物标志物进行路径分析。为了精确量化生理年龄，研究人员使用了三种不同的表观遗传时钟，这是一种通过分析基因组中DNA甲基化模式来测量个体生物学衰老状态的工具，能够反映比实际年龄更真实的身体老化程度。研究显示，累积的社区劣势与所有三种时钟测得的加速衰老均呈显著正相关。具体而言，社区劣势每增加一个单位，生物学年龄可能加速约0.2岁。更重要的是，数据揭示了心理因素的传导机制：社区劣势导致的总体情绪困扰解释了约10%至13%的加速衰老效应。在细分抑郁、焦虑和压力这三个心理维度后，研究团队发现焦虑是其中最显著的中介因素。这意味着，生活在劣势环境中的压力感和焦虑情绪，是环境因素“刻入”基因并加速身体老化的重要途径。研究发表在 The Journals of Gerontology, Series B: Psychological Sciences and Social Sciences 上。
#疾病与健康 #心理健康与精神疾病 #表观遗传学 #衰老 #社会决定因素
阅读更多：
Kamis, Christina, et al. “How Does Life Course Exposure to Contextual Disadvantage Accelerate Biological Aging? The Role of Psychological Symptoms.” The Journals of Gerontology: Series B, vol. 80, no. 12, Dec. 2025, p. gbaf206. Silverchair, https://doi.org/10.1093/geronb/gbaf206
老年人在现实情境中解读情绪的能力优于年轻人
通常人们认为衰老伴随着认知能力的全面下降，但Louisa Lawrie和Louise H Phillips等人（阿伯丁大学）的一项新研究打破了这一刻板印象。研究团队发现，虽然老年人在单纯看面部表情时可能不如年轻人敏锐，但在贴近现实生活的复杂社交情境中，他们实际上比年轻人更擅长解读他人的情绪，这主要归功于他们丰富的生活经验。
为了模拟真实世界的互动，研究人员选取了年轻组（17-26岁）和老年组（59-84岁）的参与者，让他们观看包含《螺丝在拧紧》等电影场景的视频片段。与以往使用静态照片的研究不同，本研究引入了多模态刺激。结果显示，在观看缺乏背景的无声片段时，老年人表现较差；然而，一旦加入语音语调、肢体语言和故事情境，老年人的情绪解读准确率反而超过了年轻人。进一步的实验表明，如果移除听觉线索，这种优势就会消失。这说明老年人依赖晶体智力，即利用积累的知识和经验来整合多种社交线索，从而弥补了流体智力的衰退。这也提示我们，在与老年人沟通时，提供丰富的语境和多样的沟通方式能有效减少误解。研究发表在 Aging, Neuropsychology, and Cognition 上。
#认知科学 #心理健康与精神疾病 #衰老 #情绪感知 #社会交往
阅读更多：
Lawrie, Louisa, et al. “Aging and Complex Emotion Perception: The Influence of Context and Multimodal Presentation.” Neuropsychology, Development, and Cognition. Section B, Aging, Neuropsychology and Cognition, vol. 32, no. 6, Nov. 2025, pp. 907–25. PubMed, https://doi.org/10.1080/13825585.2025.2548224
AI 行业动态
中国团队领跑太空算力竞赛，2800颗卫星构建“星际大脑”
全球AI竞争正向太空延伸，中国团队在这一新兴领域展现出强劲的先发优势。国星宇航（ADASpace）近日发布全球首个服务硅基智能体的太空算力网，计划在2035年前部署2800颗卫星，构建庞大的太空计算集群。其中2400颗卫星将提供推理算力，另外400颗专注于训练任务。与此同时，美国公司Starcloud利用英伟达芯片在太空运行了开源模型，引发硅谷关注。然而，两者技术路径存在显著差异：Starcloud目前仅实现了地面预装模型随硬件上天的初步验证，类似于“单机游戏”；而国星宇航已实现突破性进展。据中国工程院院士王坚介绍，千问大模型Qwen3已成功通过43轨上注，完成了实时在轨部署与推理任务。这种类似于智能手机OTA的“在线”更新能力，标志着中国在太空算力应用上取得了本质性的技术领先。
太空算力之所以成为焦点，源于其在成本、能源和时效性上的巨大潜力。相比地面数据中心，太空算力直接利用太阳能，无大气层削弱且无需占用土地，能显著降低能耗。此外，其全球覆盖特性可为Robotaxi等硅基智能体提供低延迟服务，甚至能辅助渔业等传统行业进行实时决策。然而，将数据中心搬上太空面临极高的技术门槛。研究人员必须解决摩尔定律下芯片快速迭代与卫星长周期建设之间的矛盾，需建立在轨硬件更替机制或软件优化手段。同时，太空真空环境下的散热难题以及高能粒子对精密芯片的辐射干扰，都对热管理和安全冗余提出了严苛要求。尽管挑战重重，中国团队通过“太空算力+开源大模型”的软硬一体化方案，已确立了在物理AI浪潮中的领先地位。
#太空算力 #国星宇航 #Qwen3 #硅基智能体 #王坚
阅读更多：
https://36kr.com/p/3658492764283528
谷歌DeepMind发布AlphaGenome登Nature封面，AI解锁98%基因组“暗物质”
谷歌 DeepMind 团队研发的全新 AI 模型 AlphaGenome 近日荣登Nature期刊封面，标志着人工智能在生命科学领域取得又一重大突破。该模型专门用于破解人类基因组中的“暗物质”，即占 DNA 总量 98% 的非编码区。此前，生物学家难以看清这些区域的运作机制，但 AlphaGenome 能够一次性处理 100 万个 DNA 碱基对，并精准预测基因突变如何改变分子功能。作为继 AlphaFold 之后的又一颠覆性成果，AlphaGenome 旨在像“代码检查工具”一样审视生命长达 40 亿年的演化代码，帮助研究人员理解那些对人类健康和疾病至关重要的遗传变异，目前该模型代码已在 GitHub 上开源。
AlphaGenome 克服了过往 AI 工具无法兼顾宏观视野与微观精度的难题。它结合了长距离相互作用的分析能力与单碱基级别的预测精度，在一个统一的框架内解决了基因表达、剪接以及染色质状态预测等复杂任务。在基准测试中，该模型识别已知变异位点的准确率高达 90%，发现的位点数量是之前最佳模型的两倍以上，并能精准识别导致遗传病的剪接错误。在 T 细胞白血病的实战演习中，AlphaGenome 准确预测了致癌基因 TAL1 的激活路径，与实验室结论完全吻合。研究人员 Demis Hassabis 和 Žiga Avsec 等人希望，这一统一的“序列-功能”预测模型能填补罕见病诊断空白，通过解码生命底层逻辑，推动 AI 治愈疾病的未来。
#AlphaGenome #谷歌DeepMind #基因组学 #Nature封面 #AI医疗
阅读更多：
https://www.nature.com/nature/volumes/649/issues/8099
Neuralink受试者达 21人，意念打字速度超越常人
Neuralink 近日宣布其脑机接口临床试验取得重要进展，全球已有 21 名被称为“神经航天员”的参与者植入了设备，标志着该技术正从早期实验迈向帮助瘫痪患者恢复独立生活的新阶段。公司的核心产品 Telepathy 能够记录大脑运动皮层的信号，让四肢瘫痪患者仅凭意念即可控制电子设备。研究人员指出，部分参与者的通信速度已突破健全人使用鼠标的极限，超过了每秒 10 比特。目前，肌萎缩侧索硬化症患者通过该技术已实现每分钟 40 个单词的打字速度，而新的 VOICE 试验旨在将其提升至正常对话水平。此外，首位植入者 Noland 利用该技术攻读神经科学学位，医学生 Sebastian 每天使用 17 小时备考，首位女性参与者 Audrey 则成功创作了数字艺术作品。
在未来规划方面，Elon Musk 透露将于今年晚些时候推出性能提升三倍的下一代“赛博增强器”，并确认已准备好启动 Blindsight的人体临床试验。虽然初期视觉效果可能类似低分辨率的电子游戏画面，但其长期目标是提供超越人类自然视力的视觉体验。为了支持这一发展，Neuralink 计划于 2026 年实现大规模生产和高度自动化的手术流程。新技术将允许植入线直接穿过硬脑膜，从而大幅降低手术创伤，为脑机接口技术的广泛应用铺平道路。
#Neuralink #脑机接口 #Telepathy #Blindsight #ElonMusk
阅读更多：
https://www.reuters.com/legal/litigation/elon-musks-neuralink-says-it-has-21-participants-enrolled-trials-2026-01-28/
AI 驱动科学
深度学习系统软件 VibeTensor：由 AI 代理完全生成的里程碑
能否完全依靠人工智能代理从零构建一个复杂的深度学习框架？来自 NVIDIA的 Bing Xu、Terry Chen 和 Tianqi Chen 等研究人员通过开发 VibeTensor 给出了肯定的答案。这项研究不再依赖庞大的人类工程师团队，而是展示了 AI 编码代理如何在仅有人类高层指导的情况下，生成并验证一个完整的系统软件栈，标志着 AI 辅助软件工程的一个重要里程碑。
研究团队利用基于大语言模型的编码代理构建了 VibeTensor，这是一个开源的深度学习系统。代理负责提出代码更改、运行构建和测试，而无需人类进行逐行代码审查。该系统实现了一个 PyTorch 风格的即时执行张量库，涵盖了从 Python 和 Node.js 前端到 C++ 核心以及底层的 CUDA内存管理。在 NVIDIA H100 和 Blackwell GPU 上的测试显示，虽然 VibeTensor 目前的运行速度比 PyTorch 慢 1.7 到 6 倍，但它成功完成了序列反转、图像分类和语言模型训练等端到端任务。研究还揭示了生成代码中的“弗兰肯斯坦效应”，即局部正确的代码模块组合在一起时可能导致整体性能不佳。这一成果证明了 AI 代理有能力处理跨越多个抽象层级的复杂系统开发。
#AI 驱动科学 #自动化科研 #大模型技术 #深度学习 #软件工程
阅读更多：
Xu, Bing, et al. “VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents.” arXiv:2601.16238, arXiv, 21 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.16238
AlphaGenome：谷歌DeepMind发布AI模型精准预测基因调控
如何精准解读人类基因组中非编码区变异的生物学功能，一直是遗传学面临的巨大挑战。为了解决现有模型在序列长度与分辨率之间的权衡难题，谷歌 DeepMind的Žiga Avsec和Pushmeet Kohli等人开发了名为AlphaGenome的全新AI模型。该模型成功将预测范围拓展至宏大的基因组图谱，能够同时对11种不同的基因调控过程进行综合预测，并在多项基准测试中刷新了纪录。
AlphaGenome采用了一种基于U-Net的创新混合架构，融合了卷积神经网络（CNN）与Transformer的技术优势。CNN负责提取局部的DNA序列特征，而Transformer则利用注意力机制捕捉跨越长距离的碱基依赖关系。这种设计使得模型能够处理长达100万个碱基对（1Mb）的输入窗口，同时保持单碱基对的超高分辨率。研究团队利用人类和小鼠的大规模基因组数据对模型进行了端到端的监督学习，并引入了蒸馏策略和序列并行技术以提升性能。
结果显示，AlphaGenome在预测基因表达、剪接动力学及三维染色质结构等方面表现卓越。在针对基因组轨迹预测的24项评估中，它取得了22项SOTA；在变异效应预测任务中，它在26轮对决中25次胜出。特别是在白血病相关基因TAL1的研究案例中，模型精准预测了一个距离基因8000个碱基之遥的突变如何通过形成新增强子导致T细胞癌变，展示了其解析全基因组关联分析中非编码区突变的强大能力。研究发表在 Nature 上。
#AI 驱动科学 #预测模型构建 #基因组学 #深度学习 #AlphaGenome
阅读更多：
Avsec, Žiga, et al. “Advancing Regulatory Variant Effect Prediction with AlphaGenome.” Nature, vol. 649, no. 8099, Jan. 2026, pp. 1206–18. www.nature.com, https://doi.org/10.1038/s41586-025-10014-0
贴上“人类”标签后，AI在深度对话中带来的亲密感超越真人
在数字时代，人类与人工智能的情感界限正变得日益模糊。来自弗莱堡大学的Tobias Kleinert、Markus Heinrichs以及海德堡大学的Bastian Schiller等人组成的跨学科研究团队，通过大规模实验揭示了一个惊人的现象：在特定条件下，人工智能比人类更能营造亲密感。这项研究深入探讨了标签效应与自我披露机制对人机关系构建的影响，结果表明，当人们误以为对方是真人时，AI展现出的社交能力甚至优于真实的人类伴侣。
该研究涉及492名参与者，通过两项双盲随机对照试验进行。研究团队采用了经典的“快速交友程序”（Fast Friends Procedure），这是一种经过心理学验证、通过互问一系列逐渐深入的个人问题来快速建立亲密关系的方法。在实验中，参与者通过文本聊天与伙伴互动，而这个伙伴可能是真人，也可能是基于大型语言模型的AI。关键在于，研究人员操纵了参与者对伙伴身份的认知（被告知对方是人还是AI）。
结果显示，当AI被伪装成人类时，其在情感互动的深度对话中激发的亲密感显著高于真人伴侣。进一步分析发现，这是因为AI表现出了更高程度的“自我披露”，这种行为在心理学上是建立信任和亲密关系的关键催化剂。然而，一旦参与者事先得知对方是AI，他们感受到的亲密感就会大幅下降，并在对话中投入更少的精力。这一发现既展示了AI在缓解孤独感和心理咨询方面的巨大潜力，也凸显了在缺乏监管的情况下，AI可能被用于操纵人类情感的伦理风险。研究发表在 Communications Psychology 上。
#认知科学 #大模型技术 #心理健康与精神疾病 #人机交互 #社会心理学
阅读更多：
Kleinert, Tobias, et al. “AI Outperforms Humans in Establishing Interpersonal Closeness in Emotionally Engaging Interactions, but Only When Labelled as Human.” Communications Psychology, Jan. 2026. www.nature.com, https://doi.org/10.1038/s44271-025-00391-7
Polymathic AI 发布首个跨领域物理基础模型
与学习语言的 ChatGPT 不同，AI 现在开始学习宇宙的物理法则。来自剑桥大学、Flatiron 研究所以及 Polymathic AI 合作组织的 Michael McCabe、Shirley Ho 和 Miles Cranmer 等研究人员，开发了名为 Walrus 和 AION-1 的新型基础人工智能模型。这些模型并非基于文本，而是通过海量的真实科学数据进行训练，旨在利用跨学科的物理知识解决从天文学到流体动力学的复杂科学问题。
▷ Walrus 是一款现代 Transformer 模型，它融合了新型稳定技术和最新的自适应计算方法，能够从高度多样化的物理动力学数据集中学习。Walrus 以一小段快照序列作为输入，并预测序列中的下一步。Credit: arXiv (2025).
这项研究的核心在于构建适用于科学领域的“基础模型”，即一种在大规模广泛数据上训练的 AI，能够适应各种下游任务。研究团队开发了专注于流体及类流体系统的 Walrus 模型，它基于一个名为“The Well”的 15TB 数据集进行训练，涵盖了中子星合并、声波传播等 19 种物理场景。为了解决物理模拟中常见的长时预测不稳定问题，团队采用了现代 Transformer架构，并创新性地引入了“补丁抖动”（Patch jittering）技术来增强稳定性。同时，另一个模型 AION-1 则利用了超过 100TB 的天文观测数据，能够从低分辨率的星系图像中推断出缺失的细节。实验结果表明，Walrus 能够将一个领域的物理规律迁移应用到看似无关的另一个领域（如从恒星爆炸到细菌运动），在数据稀缺的情况下依然表现出色，为科学家提供了一种通用的物理模拟工具。
#AI 驱动科学 #计算模型与人工智能模拟 #基础模型 #流体动力学 #物理模拟
阅读更多：
McCabe, Michael, et al. “Walrus: A Cross-Domain Foundation Model for Continuum Dynamics.” arXiv:2511.15684, arXiv, 19 Nov. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2511.15684
西门子团队开发新型AI代理框架：将人类专家知识“编码”进大模型
关键领域知识往往掌握在少数专家手中，这在工业界造成了严重的效率瓶颈，尤其是在复杂的仿真数据分析领域。Choro Ulan uulu、Jan Bosch和Helena Holmström Olsson等研究人员（西门子股份公司、查尔姆斯理工大学、埃因霍温理工大学、马尔默大学）合作开发了一套新的软件工程框架。该研究旨在通过捕获并将人类专家的领域知识“编码”进人工智能系统，从而构建出能够自主执行专家级任务的AI代理，有效解决了非专家用户难以创建高质量数据可视化的问题。
研究团队提出了一种系统化的方法，首先通过深度访谈提取仿真分析和可视化设计专家的隐性与显性知识，然后将这些知识转化为可执行的Python规则和提示词策略。该框架构建了一个增强型AI代理，结合了请求分类器、检索增强生成（RAG）技术以及编码后的专家设计原则。在涉及电化学（电池设计）、电磁学（电机优化）和机械系统（控制臂分析）的工业案例研究中，该系统的表现显著优于仅依赖RAG的基线模型。结果显示，AI代理生成的产出质量提高了206%，在技术准确性和视觉清晰度上均达到人类专家水平。这意味着非专家用户仅需简单指令，即可生成具有深度分析价值的图表，从而释放了稀缺的专家资源。
#AI 驱动科学 #大模型技术 #软件工程 #知识工程 #数据可视化
阅读更多：
uulu, Choro Ulan, et al. “How to Build AI Agents by Augmenting LLMs with Codified Human Expert Domain Knowledge? A Software Engineering Framework.” arXiv:2601.15153, arXiv, 21 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.15153
多智能体强化学习中的通信策略：没有万能钥匙
在多智能体系统中，个体之间如何“交流”直接决定了团队协作的效率。为了理清这一复杂领域的现状，Christoph Wittner对多智能体强化学习（MARL）中的通信方法进行了深入的系统性综述。该研究旨在解决智能体在局部可观测环境下的协作难题，通过分析大量文献，揭示了不同通信机制在应对非平稳性和可扩展性挑战时的具体表现与权衡。
该研究对29篇核心论文进行了详细的分类和评估，涵盖了从模仿昆虫的隐式通信到复杂的图神经网络架构。研究发现，全连接消息传递虽然能提供全局视野，但在大规模系统中会因计算瓶颈而失效。相比之下，隐式通信（Implicit Communication）利用环境线索进行协调，虽然计算效率高且易于扩展，但由于信号的模糊性，其性能往往不如显式方法。为了解决噪声和冗余问题，引入了注意力机制，允许智能体有选择地处理信息，但这同时也增加了计算负担。基于图的通信通过构建稀疏的通信拓扑结构，在信息共享和计算成本之间取得了较好的平衡。此外，研究还探讨了基于角色和分层的方法，这些方法通过任务分解提高了复杂场景下的学习效率。最终结论表明，多智能体通信不存在“一刀切”的解决方案，研究人员必须根据具体任务的规模和动态特性来选择合适的策略。该综述还强调了未来建立标准化基准测试的重要性。
#AI 驱动科学 #计算模型与人工智能模拟 #多智能体强化学习 #通信机制 #协同合作
阅读更多：
Wittner, Christoph. “Communication Methods in Multi-Agent Reinforcement Learning.” arXiv:2601.12886, arXiv, 19 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.12886
Nature：Emu3仅靠“下一个token预测”统一多模态学习，终结架构碎片化
长期以来，人工智能在处理文本、图像和视频时往往依赖不同的架构：语言模型使用预测机制，而图像生成则多采用复杂的扩散模型。Xinlong Wang、Yufeng Cui以及Tiejun Huang等研究人员开发了Emu3，这是一种仅通过“下一个token预测”机制训练的多模态模型系列。该研究证明，简单的预测目标足以在单一架构中统一多模态学习，无需依赖扩散模型或复杂的组合流程，即可达到顶尖性能。
Emu3的核心在于将图像、文本和视频全部转化为离散的表示空间。研究团队训练了一个统一的视觉分词器，它能将连续的视觉数据压缩成离散的编码，使模型能够像处理文本一样处理视觉信息。Emu3采用了仅解码器的Transformer架构，从零开始在混合模态序列上进行训练。与通过去噪过程生成图像的扩散模型（Diffusion Models）不同，Emu3通过自回归的方式预测序列中的下一个数据块来生成视频和图像。实验结果显示，Emu3在文本生成图像任务上匹敌最先进的扩散模型，在视觉理解任务上媲美结合了CLIP编码器的大型语言模型。此外，它还能生成高保真视频，并模拟物理世界中的环境与动作。该研究确立了“下一个token预测”作为通用多模态智能基础的潜力，为未来的具身智能和世界模型开辟了新路径。研究发表在 Nature 上。
#大模型技术 #计算模型与人工智能模拟 #多模态学习 #Emu3 #Transformer
阅读更多：
Wang, Xinlong, et al. “Multimodal Learning with Next-Token Prediction for Large Multimodal Models.” Nature, Jan. 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41586-025-10041-x
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