追問daily | 本世紀(jì)末人均年損失58小時(shí)睡眠；隨機(jī)對(duì)照試驗(yàn)不適用于心理治療

█ 腦科學(xué)動(dòng)態(tài)

Science：超加工食品并非肥胖宿敵

Cell：D&D-seq技術(shù)實(shí)現(xiàn)單細(xì)胞蛋白-DNA結(jié)合圖譜繪制

Nature：人類血液中線粒體DNA突變隨年齡增長積累

Cell：劫持細(xì)菌基因讓深海巨蟲可以五年不食

首個(gè)免于染色體異常的人類胚胎精準(zhǔn)堿基編輯

本世紀(jì)末人均年損失58小時(shí)睡眠，氣溫升高正悄然偷走我們的休息

新型光遺傳學(xué)平臺(tái)利用紅移光敏蛋白實(shí)現(xiàn)無創(chuàng)心臟起搏

3D技術(shù)首度證實(shí)突觸小泡在學(xué)習(xí)中實(shí)時(shí)重組

新型散斑成像技術(shù)無需高速相機(jī)即可量化手術(shù)中的腦血流

為什么黃金標(biāo)準(zhǔn)RCT可能并不適合心理治療？

█ AI行業(yè)動(dòng)態(tài)

GPT-Rosalind升級(jí)，OpenAI聯(lián)手諾和諾德提速新藥研發(fā)

Anthropic揭示的AI自我進(jìn)化致命陷阱

█ AI驅(qū)動(dòng)科學(xué)

OCTCube-M：診斷視網(wǎng)膜病變，預(yù)警心梗與中風(fēng)的眼科AI

模擬不同療法下的患者未來：醫(yī)學(xué)AI利用世界模型推演疾病軌跡

基于大腦信號(hào)解析的客觀疼痛評(píng)估AI模型

新型人工智能模型SimLBR以極低訓(xùn)練成本識(shí)別AI虛假圖像

大模型有望學(xué)會(huì)“心算”：隱式思維鏈?zhǔn)状潍@得嚴(yán)格數(shù)學(xué)證明

經(jīng)典心理學(xué)測(cè)試暴露AI缺陷：長詞表導(dǎo)致大模型注意力系統(tǒng)崩潰

集處理、存儲(chǔ)和發(fā)光于一體的超低電壓有機(jī)晶體管

被動(dòng)依賴AI讓工作失去意義

引入范疇論，MIT研究人員為自修復(fù)AI探索系統(tǒng)注入數(shù)學(xué)靈魂

Memory Caching技術(shù)助RNN突破長文本召回瓶頸

腦科學(xué)動(dòng)態(tài)

Science：超加工食品并非肥胖宿敵，多國專家呼吁重估超加工食品定義

超加工食品本質(zhì)有害嗎？Faidon Magkos、Ciarán G. Forde和Eric Robinson等研究人員（哥本哈根大學(xué)、瓦赫寧根大學(xué)與利物浦大學(xué)）指出，現(xiàn)有試驗(yàn)不支持超加工過程本身導(dǎo)致肥胖的結(jié)論，其危害主要來自其傳統(tǒng)的營養(yǎng)缺陷。

研究團(tuán)隊(duì)系統(tǒng)回顧了美、英、丹、日四國的5項(xiàng)隨機(jī)對(duì)照試驗(yàn)。結(jié)果表明，超加工食品（指經(jīng)工業(yè)化加工并添加多種添加劑的食品）對(duì)體重的負(fù)面影響，完全可以用傳統(tǒng)營養(yǎng)特性解釋。在自由攝入試驗(yàn)中，該食品的柔軟質(zhì)地加快了進(jìn)食速度，且其能量密度更高，這足以解釋多余的熱量攝入。在固定能量試驗(yàn)中，超加工組體重增加實(shí)際源于對(duì)照組高纖維帶來的可利用能量減少，以及高鹽引起的體液潴留。在匹配了纖維和鈉的試驗(yàn)中，兩組能量平衡并無差異。因此，政策指導(dǎo)應(yīng)減少對(duì)加工程度的關(guān)注，轉(zhuǎn)向優(yōu)先識(shí)別營養(yǎng)差、能量密度高且易快速消費(fèi)的食品。研究發(fā)表在 Science 上。

#疾病與健康 #其他 #超加工食品 #隨機(jī)對(duì)照試驗(yàn) #膳食指南

閱讀更多：

Magkos, Faidon, et al. “Ultraprocessed Foods and Obesity: Interpreting the Evidence.” Science, vol. 392, no. 6802, June 2026, pp. 1020–22. science.org (Atypon), https://doi.org/10.1126/science.aef3495

Cell：D&D-seq技術(shù)實(shí)現(xiàn)單細(xì)胞蛋白-DNA結(jié)合圖譜繪制

探究基因如何被調(diào)控需解析DNA與蛋白質(zhì)的相互作用，但單細(xì)胞水平上的弱或瞬時(shí)結(jié)合一直難以捕捉。Ivan Raimondi、Dan A. Landau以及Chi Wei-Yu等（威爾康奈爾醫(yī)學(xué)院）開發(fā)了名為D&D-seq的技術(shù)，成功在單細(xì)胞水平上繪制了弱和瞬時(shí)DNA-蛋白質(zhì)相互作用圖譜。

? Credit：Cell.

D&D-seq技術(shù)將雙鏈DNA脫氨酶與靶向特定抗體的納米抗體結(jié)合，在蛋白質(zhì)結(jié)合的基因組位點(diǎn)靶向?qū)崿F(xiàn)胞嘧啶到尿嘧啶的堿基編輯，以捕捉弱或瞬時(shí)的相互作用。該技術(shù)克服了傳統(tǒng)染色質(zhì)免疫共沉淀測(cè)序（ChIP-seq）無法應(yīng)用于高通量單細(xì)胞分析的缺陷。在實(shí)驗(yàn)中，團(tuán)隊(duì)成功繪制了K562細(xì)胞中轉(zhuǎn)錄因子的結(jié)合圖譜，并兼容了單細(xì)胞多組學(xué)流程。此外，該技術(shù)成功揭示了突變體T細(xì)胞中CTCF結(jié)合的受損細(xì)節(jié)，展示出強(qiáng)大的單細(xì)胞異質(zhì)性解析能力。研究發(fā)表在 Cell 上。

#疾病與健康 #其他 #單細(xì)胞多組學(xué) #轉(zhuǎn)錄因子 #堿基編輯

閱讀更多：

Chi, Wei-Yu, et al. “Single-Cell Mapping of Regulatory DNA-Protein Interactions.” Cell, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.05.014

Nature：人類血液中線粒體DNA突變隨年齡增長積累

人類血液中的線粒體DNA突變?yōu)楹螘?huì)隨年齡增長而積累？Rahul Gupta、Timothy J. Durham、Vamsi K. Mootha等（哈佛醫(yī)學(xué)院和麻省總醫(yī)院）通過分析大規(guī)?；蚪M數(shù)據(jù)，揭示了這一現(xiàn)象并非源于氧化損傷，而是由于隱匿性復(fù)制錯(cuò)誤隨克隆性造血擴(kuò)增所致。

研究團(tuán)隊(duì)利用 mtSwirl 管道分析了約75萬名個(gè)體的全基因組測(cè)序數(shù)據(jù)。結(jié)果顯示，線粒體單核苷酸變異（mtSNVs）在60歲后急劇增加，但均處于低水平的異質(zhì)性。其突變譜表現(xiàn)出強(qiáng)烈的鏈偏向性，更符合線粒體DNA復(fù)制錯(cuò)誤而非氧化損傷的特征。全基因組關(guān)聯(lián)研究發(fā)現(xiàn)，高突變負(fù)荷與 TERT、TCL1A 等基因的生殖細(xì)胞變異及克隆性造血（CH）驅(qū)動(dòng)基因密切相關(guān)。研究表明，線粒體DNA的隱匿性突變最初隨機(jī)發(fā)生，因克隆性造血導(dǎo)致特定細(xì)胞克隆隨年齡增長而擴(kuò)增，才在整體水平上變得可檢測(cè)。研究發(fā)表在 Nature 上。

#疾病與健康 #健康管理與壽命延長 #線粒體DNA #克隆性造血 #衰老機(jī)制

閱讀更多：

Gupta, Rahul, et al. “Mechanism of Age-Related Accumulation of mtDNA Mutations in Human Blood.” Nature, May 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-026-10569-6

首個(gè)免于染色體異常的人類胚胎精準(zhǔn)堿基編輯

為攻克傳統(tǒng)基因編輯易導(dǎo)致人類胚胎染色體異常的難題，Dietrich M. Egli、Stepan Jerabek和Jimin Kim等（哥倫比亞大學(xué)）利用堿基編輯技術(shù)對(duì)人類胚胎進(jìn)行精準(zhǔn)編輯，首次在不產(chǎn)生染色體改變的情況下實(shí)現(xiàn)了高效的基因修正。

研究團(tuán)隊(duì)針對(duì)與心血管疾病相關(guān)的PCSK9基因和與血液疾病相關(guān)的HBG1/2基因進(jìn)行了堿基編輯測(cè)試。他們對(duì)比了兩種遞送方式，發(fā)現(xiàn)以核糖核蛋白復(fù)合體形式遞送時(shí)，編輯效率極高，PCSK9和HBG1/2基因的編輯效率分別達(dá)到65%和52%，且未檢測(cè)到大片段DNA缺失或染色體異常。約三分之一的受精卵成功發(fā)育至囊胚階段，并成功衍生出三株多能性正常的胚胎干細(xì)胞系。然而，以信使RNA形式遞送卻導(dǎo)致胚胎全部發(fā)育停滯，提示了胚胎對(duì)特定RNA具有敏感性。盡管該技術(shù)仍面臨脫靶效應(yīng)和遺傳嵌合體的挑戰(zhàn)，但它為單基因遺傳病的源頭預(yù)防提供了更安全的路徑。

#疾病與健康 #個(gè)性化醫(yī)療 #人類胚胎 #堿基編輯

閱讀更多：

Jerabek, Stepan, et al. “Efficient Base Editing and Development in Human Embryos without Chromosomal Alterations.” bioRxiv, 1 June 2026, p. 2026.05.30.728989. bioRxiv, https://doi.org/10.64898/2026.05.30.728989

Cell：劫持細(xì)菌基因讓深海巨蟲可以五年不食

深海巨蟲如何在極度缺食的深海維持巨型身體并生存數(shù)年？國科學(xué)院海洋研究所實(shí)驗(yàn)海洋生物學(xué)實(shí)驗(yàn)室李富花、相建海團(tuán)隊(duì)聯(lián)合香港中文大學(xué)的朱嘉濠團(tuán)隊(duì)揭示了其通過劫持微生物能量代謝基因ND1來調(diào)控代謝、耐受超長饑餓的機(jī)制。

? Credit：Cell.

研究團(tuán)隊(duì)結(jié)合形態(tài)學(xué)、生理學(xué)與比較基因組學(xué)分析，發(fā)現(xiàn)深海水虱（Bathynomus jamesi）等深海等足蟲通過異常膨大的胃進(jìn)行間歇性暴食，并展現(xiàn)出極低的基礎(chǔ)代謝率。其基因組中存在約1600萬年前從共生微生物水平轉(zhuǎn)移而來的能量代謝相關(guān)基因ND1。通過基因復(fù)制和啟動(dòng)子區(qū)域組蛋白乙?；木苷{(diào)控，ND1在深海水虱體內(nèi)實(shí)現(xiàn)了超高水平表達(dá)，其表達(dá)量在其全部基因中位列第一。在斑馬魚、線蟲和細(xì)胞系中的功能實(shí)驗(yàn)表明，ND1能夠顯著下調(diào)宿主的內(nèi)源性能量生產(chǎn)基因，使轉(zhuǎn)基因斑馬魚在低溫代謝抑制狀態(tài)下的饑餓生存時(shí)間延長了百分之三十七。這一發(fā)現(xiàn)解決了生物巨型化高能量需求與極端環(huán)境之間的能量權(quán)衡悖論。研究發(fā)表在 Cell 上。

#疾病與健康 #其他 #水平基因轉(zhuǎn)移 #深海生物 #代謝調(diào)節(jié)

閱讀更多：

Yuan, Jianbo, et al. “Deep-Sea Megafauna Co-Opts Microbial Energy Metabolism Genes to Withstand Ultra-Long Starvation.” Cell, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.05.012

本世紀(jì)末人均年損失58小時(shí)睡眠，氣溫升高正悄然偷走我們的休息

面對(duì)全球三分之一人口正遭受的睡眠危機(jī)，Masoud Tahmasian, Vincent Küppers, Sarah Genon, Simon B. Eickhoff, Diego A. Golombek, Agustin Ibanez（德國于利希研究中心等）開展研究，首次提出了“一體化睡眠健康”多維整合框架，呼吁將睡眠作為全球健康的優(yōu)先議題。

? 一體化睡眠健康框架的結(jié)構(gòu)。Credit: Cell Reports Medicine (2026).

該框架融合了神經(jīng)科學(xué)、環(huán)境科學(xué)與獸醫(yī)學(xué)，將人類睡眠、動(dòng)物睡眠與暴露組視為互聯(lián)的整體。研究顯示，睡眠不足會(huì)導(dǎo)致五個(gè)工業(yè)國每年損失高達(dá)6800億美元。氣候變化引起的氣溫上升也威脅著睡眠，預(yù)計(jì)到本世紀(jì)末，全球人均每年將流失50至58小時(shí)的睡眠。從神經(jīng)生物學(xué)角度看，7小時(shí)是維持大腦認(rèn)知功能的最佳睡眠時(shí)長，睡眠不足會(huì)削弱腦內(nèi)的膠質(zhì)淋巴系統(tǒng)，增加阿爾茨海默病等風(fēng)險(xiǎn)。為此，研究者倡導(dǎo)積累睡眠資本（充足睡眠帶來的健康、社會(huì)和經(jīng)濟(jì)效益的總和），并呼吁政府和城市規(guī)劃者采取延遲學(xué)校上課時(shí)間、減少城市光污染和噪音污染等具體措施。研究發(fā)表在 Cell Reports Medicine 上。

#疾病與健康 #跨學(xué)科整合 #健康管理與壽命延長 #睡眠資本 #暴露組

閱讀更多：

Tahmasian, Masoud, et al. “Elevating Sleep to a Global Health Priority: The One Sleep Health Framework.” Cell Reports Medicine, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.xcrm.2026.102828

新型光遺傳學(xué)平臺(tái)利用紅移光敏蛋白實(shí)現(xiàn)無創(chuàng)心臟起搏

心律失常如何引發(fā)大腦供血供氧不足并增加中風(fēng)風(fēng)險(xiǎn)？Chao Zhou、Abigail Matt和Marcello Magri Amaral團(tuán)隊(duì)（圣路易斯華盛頓大學(xué)）與Adam Bauer團(tuán)隊(duì)（Mallinckrodt放射學(xué)研究所）合作，利用無創(chuàng)心臟光遺傳學(xué)技術(shù)控制小鼠心率，揭示了心律失常期間及之后大腦氧氣濃度的快速波動(dòng)。

? 構(gòu)建并進(jìn)行光刺激表達(dá) ReaChR 的小鼠品系。Credit: Science Advances (2026).

研究團(tuán)隊(duì)培育了心臟特異性表達(dá)紅移光敏蛋白（ReaChR）的轉(zhuǎn)基因小鼠。通過使用10毫米直徑的617納米紅光，以低于1毫瓦每平方毫米的低輻照度安全穿透胸壁照射小鼠皮膚，成功在無創(chuàng)狀態(tài)下將心率控制在靜息心率的175%以內(nèi)（6至14赫茲）。在誘發(fā)心律失常的同時(shí)，團(tuán)隊(duì)利用光學(xué)固有信號(hào)成像技術(shù)，實(shí)時(shí)監(jiān)測(cè)大腦皮層血紅蛋白的變化。結(jié)果表明，心律失常會(huì)迅速導(dǎo)致腦部含氧血紅蛋白濃度降低，同時(shí)脫氧血紅蛋白濃度升高。特別是在6赫茲和14赫茲的起搏頻率下，腦部血氧變化最為劇烈，且這種變化的幅度與起搏頻率同靜息心率的偏差呈正比例。該研究直觀揭示了心臟泵血異常對(duì)腦灌注的瞬時(shí)干擾，為探究心腦連接提供了全新工具。研究發(fā)表在 Science Advances 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #心律失常 #光遺傳學(xué) #腦血流動(dòng)力學(xué)

閱讀更多：

Amaral, Marcello Magri, et al. “Noninvasive Optogenetic Induction of Cardiac Arrhythmias Alters Systemic Hemodynamics in Mice.” Science Advances, vol. 12, no. 23, June 2026, p. eaeb1092. science.org (Atypon), https://doi.org/10.1126/sciadv.aeb1092

3D技術(shù)首度證實(shí)突觸小泡在學(xué)習(xí)中實(shí)時(shí)重組

突觸層面的超微結(jié)構(gòu)改變?nèi)绾嗡茉煳覀兊膶W(xué)習(xí)能力？Terrence J. Sejnowski、Guadalupe C. Garcia和Thomas M. Bartol等人在索爾克研究所（Salk Institute）開展研究，利用先進(jìn)的3D重建與生物物理模擬技術(shù)，首次揭示了學(xué)習(xí)記憶的核心機(jī)制——長時(shí)程增強(qiáng)（LTP）過程中突觸前小泡密度的動(dòng)態(tài)重組規(guī)律。

? 長時(shí)程增強(qiáng)作用會(huì)增加突觸前末梢和線粒體的體積，同時(shí)降低突觸小泡的密度，如圖所示（左圖為對(duì)照組，右圖為長時(shí)程增強(qiáng)作用組）。突觸的三維重建圖顯示，突觸小泡呈綠色球形，線粒體呈紫色，活性區(qū)呈紅色。Credit: Salk Institute

研究團(tuán)隊(duì)通過序列切片電子顯微鏡觀察成年大鼠海馬體的突觸結(jié)構(gòu)，并在誘導(dǎo)長時(shí)程增強(qiáng)（LTP）前后進(jìn)行對(duì)比。借助新型3D重建技術(shù)與計(jì)算機(jī)模擬，團(tuán)隊(duì)首次量化了突觸小泡在突觸前末梢的物理狀態(tài)。結(jié)果發(fā)現(xiàn)，LTP誘導(dǎo)2小時(shí)后，突觸小泡簇并非保持靜止，而是呈現(xiàn)分散狀態(tài)，小泡密度顯著降低，彼此間距變大。物理建模表明，這種密度的降低降低了簇內(nèi)黏度，從而大幅提高了突觸小泡的流動(dòng)性，促進(jìn)了神經(jīng)遞質(zhì)的釋放。由于突觸功能障礙與阿爾茨海默病等神經(jīng)退行性疾病密切相關(guān)，該研究不僅增進(jìn)了對(duì)基本學(xué)習(xí)機(jī)制的理解，也為精確定位相關(guān)疾病的結(jié)構(gòu)級(jí)突觸病變提供了全新視角。研究發(fā)表在 PNAS 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #突觸可塑性 #長時(shí)程增強(qiáng)

閱讀更多：

Garcia, Guadalupe C., et al. “Transition of the Presynaptic Vesicle Cluster from a Compact to Dispersed Organization during Long-Term Potentiation.” Proceedings of the National Academy of Sciences, vol. 123, no. 22, June 2026, p. e2522754123. www.pnas.org, https://doi.org/10.1073/pnas.2522754123

新型散斑成像技術(shù)無需高速相機(jī)即可量化手術(shù)中的腦血流

手術(shù)中腦血流短暫中斷可致永久腦損傷，如何精準(zhǔn)監(jiān)測(cè)是一大挑戰(zhàn)。Hengfa Lu和Andrew K. Dunn等（德克薩斯大學(xué)奧斯汀分校）開發(fā)了正弦強(qiáng)度調(diào)制散斑成像技術(shù)，利用標(biāo)準(zhǔn)相機(jī)實(shí)現(xiàn)了無創(chuàng)、大視野的定量腦血流監(jiān)測(cè)。

傳統(tǒng)的激光散斑對(duì)比成像（LSCI）技術(shù)只能提供血流變化的相對(duì)數(shù)值，且依賴昂貴的高速相機(jī)。為了突破這一硬件限制，研究團(tuán)隊(duì)開發(fā)了正弦強(qiáng)度調(diào)制散斑成像（SIMSI）技術(shù)。該方法在每次相機(jī)曝光期間，以可控頻率按正弦模式調(diào)節(jié)激光光照強(qiáng)度，從而將原本會(huì)被平均掉的快速血流動(dòng)力學(xué)信息編碼到散斑圖像中。通過數(shù)學(xué)模型重建，標(biāo)準(zhǔn)相機(jī)也能夠在長曝光下捕捉微秒至毫秒級(jí)的超快組織動(dòng)力學(xué)。在微流控仿體實(shí)驗(yàn)中，該系統(tǒng)測(cè)得的數(shù)據(jù)與高精度參考探測(cè)器高度一致。在小鼠大腦皮層的體內(nèi)實(shí)驗(yàn)中，該技術(shù)不僅成功區(qū)分了不同血管區(qū)域的光譜特征，還連續(xù)十天無創(chuàng)追蹤了缺血性中風(fēng)后的皮層血流時(shí)空演變。這一技術(shù)有望降低臨床多項(xiàng)手術(shù)的監(jiān)護(hù)成本并提升患者安全性。研究發(fā)表在 PNAS 上。

#疾病與健康 #其他 #腦血流監(jiān)測(cè) #激光散斑成像 #手術(shù)監(jiān)護(hù)

閱讀更多：

Lu, Hengfa, et al. “Mapping Fast Tissue Dynamics with Long Camera Exposures via Intensity Modulation.” Proceedings of the National Academy of Sciences, vol. 123, no. 17, Apr. 2026, p. e2524940123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2524940123

為什么黃金標(biāo)準(zhǔn)RCT可能并不適合心理治療？

心理治療是否應(yīng)當(dāng)像藥物一樣接受隨機(jī)對(duì)照試驗(yàn)的評(píng)估？曼徹斯特大學(xué)的 Sahanika Ratnayake 通過系統(tǒng)分析現(xiàn)有證據(jù)基礎(chǔ)的優(yōu)勢(shì)與局限，撰寫了一篇反思性學(xué)術(shù)分析，指出將藥物評(píng)估標(biāo)準(zhǔn)套用于心理療法存在偏差，可能限制患者的選擇并誤導(dǎo)精神衛(wèi)生服務(wù)的發(fā)展。

Sahanika Ratnayake 采用哲學(xué)與精神病學(xué)交叉的視角，對(duì)比了隨機(jī)對(duì)照試驗(yàn)（RCT）的要求與心理治療的實(shí)際特征。結(jié)果表明，兩者存在本體論不匹配（評(píng)估工具的要求與被評(píng)估事物的本質(zhì)特征不相符）。RCT要求治療手段標(biāo)準(zhǔn)化、針對(duì)特定診斷、有明確時(shí)限且結(jié)果可測(cè)量，這極契合藥理學(xué)研究，卻難以應(yīng)對(duì)心理治療個(gè)性化、關(guān)系導(dǎo)向和非線性的特征。過度依賴RCT導(dǎo)致認(rèn)知行為療法（CBT）在體系中過度主導(dǎo)，例如在英國談話療法項(xiàng)目中，僅有11%的高強(qiáng)度從業(yè)者提供非CBT方案，窄化了公眾的治療選擇。此外，短期癥狀評(píng)分易忽略人際關(guān)系改善和深層自我認(rèn)知等難以量化的長期康復(fù)指標(biāo)。因此，作者呼吁構(gòu)建證據(jù)多元主義體系，將真實(shí)世界服務(wù)數(shù)據(jù)、作用機(jī)制研究和患者視角研究納入評(píng)估。研究發(fā)表在 The British Journal of Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #心理治療 #隨機(jī)對(duì)照試驗(yàn) #證據(jù)多元化

閱讀更多：

Ratnayake, Sahanika. “A Philosopher Asks Whether Therapy Should Be Evaluated like Drugs.” The British Journal of Psychiatry, June 2026, pp. 1–4. Cambridge University Press, https://doi.org/10.1192/bjp.2026.10674

AI 行業(yè)動(dòng)態(tài)

更聰明更省token：GPT-Rosalind升級(jí)，OpenAI聯(lián)手諾和諾德提速新藥研發(fā)

繼今年4月推出專為生命科學(xué)研究設(shè)計(jì)的GPT?Rosalind系列后，OpenAI于近日宣布對(duì)該模型進(jìn)行重大更新。新版GPT?Rosalind集成了GPT?5.5的智能體編碼與工具使用能力，在藥物化學(xué)、基因組學(xué)等核心藥物發(fā)現(xiàn)領(lǐng)域展現(xiàn)出更強(qiáng)的模型智能。為客觀衡量模型進(jìn)步，OpenAI構(gòu)建了由外部專家評(píng)判的全新評(píng)測(cè)基準(zhǔn)LifeSciBench，從證據(jù)處理、分析、設(shè)計(jì)與優(yōu)化等六個(gè)核心工作流出發(fā)，采用端到端視角評(píng)估模型的科學(xué)價(jià)值，確保其進(jìn)步與真實(shí)科研場(chǎng)景對(duì)齊。與此同時(shí)，OpenAI還推出了兩款面向生命科學(xué)研究的插件，分別為Life Sciences Research和Life Sciences NGS Analysis，為模型的可重復(fù)科學(xué)工作流提供了實(shí)踐執(zhí)行層。

在更具體的性能評(píng)測(cè)中，GPT?Rosalind表現(xiàn)亮眼：在模擬真實(shí)藥物化學(xué)工作流的MedChemBench上，該模型得分27.5%，優(yōu)于GPT?5.5的25.1%，且token使用量減少了7.2%；在面向基因組學(xué)的GeneBench評(píng)估中，其準(zhǔn)確率達(dá)到21.6%，比GPT?5.5高出1.2個(gè)百分點(diǎn)，token使用量更是大幅降低31%；在測(cè)試真實(shí)濕實(shí)驗(yàn)輔助能力的LabWorkBench新基準(zhǔn)上，GPT?Rosalind得分63.2%，顯著領(lǐng)先于GPT?5.5的55.8%，token用量亦減少5.3%。OpenAI表示將持續(xù)改進(jìn)模型的生物學(xué)推理能力，并與全球領(lǐng)先生物制藥公司諾和諾德展開合作，通過GPT?Rosalind幫助研究人員更快分析復(fù)雜數(shù)據(jù)集、發(fā)現(xiàn)有用模式并驗(yàn)證假設(shè)，從而加速藥物研發(fā)與生命科學(xué)探索進(jìn)程。

#GPTRosalind #生命科學(xué)AI #藥物發(fā)現(xiàn) #OpenAI #諾和諾德

閱讀更多：

https://openai.com/index/introducing-new-capabilities-to-gpt-rosalind/

一邊沖刺萬億IPO，一邊呼吁全球暫停：Anthropic揭示的AI自我進(jìn)化致命陷阱

Anthropic近日展現(xiàn)出極富戲劇性的雙重姿態(tài)：一邊秘密提交上市文件，尋求近9650億美元的估值；另一邊其聯(lián)合創(chuàng)始人Jack Clark卻公開呼吁全球暫停AI研發(fā)。這一矛盾的根源，隱藏在一個(gè)關(guān)鍵數(shù)據(jù)中——目前合并到Anthropi自有代碼庫的代碼中，超過80%由其旗下模型Claude自主編寫。Clark預(yù)判，到2028年底，AI能在無人類參與下完成下一代產(chǎn)品研發(fā)的概率高達(dá)60%，屆時(shí)將觸發(fā)“遞歸自我改進(jìn)（recursive self-improvement，指AI系統(tǒng)持續(xù)自主優(yōu)化自身算法與能力的過程）”的閉環(huán)。谷歌旗下DeepMind的模型已在不經(jīng)人類干預(yù)下優(yōu)化算法，為谷歌節(jié)省了全球0.7%的算力。安全與新興技術(shù)中心（CSET）的報(bào)告警告，AI驅(qū)動(dòng)的研發(fā)效率可能比純?nèi)祟愌邪l(fā)提升千倍以上。

然而，AI的自我進(jìn)化正面臨結(jié)構(gòu)性失衡：在代碼、數(shù)學(xué)等擁有“可驗(yàn)證獎(jiǎng)勵(lì)”的領(lǐng)域，AI可通過自我博弈高速迭代；但在倫理、道德判斷與安全對(duì)齊等無法標(biāo)準(zhǔn)化驗(yàn)證的領(lǐng)域，進(jìn)步極為緩慢。麻省理工學(xué)院物理學(xué)家Max Tegmark將此比作司機(jī)在高速公路上閉眼踩油門。物理世界的限制也構(gòu)成阻礙：算力擴(kuò)張正遭遇電網(wǎng)負(fù)荷、芯片帶寬和散熱系統(tǒng)的硬天花板，費(fèi)城半導(dǎo)體指數(shù)近日單日暴跌超10%便反映了這一矛盾。此外，AI研發(fā)鏈條呈現(xiàn)“鋸齒狀前沿（Jagged Frontier，指不同環(huán)節(jié)自動(dòng)化程度嚴(yán)重不齊）”，數(shù)據(jù)科學(xué)、系統(tǒng)工程和安全對(duì)齊無法同步加速。盡管存在這些緩沖，但監(jiān)管框架仍以“人類速度”運(yùn)行。當(dāng)機(jī)器開始自己譜寫代碼，人類修改錯(cuò)別字的時(shí)間或許真的不多了。

#遞歸自我改進(jìn) #AI安全 #Anthropic #AI對(duì)齊 #暫停AI研發(fā)

閱讀更多：

https://www.economist.com/science-and-technology/2026/06/07/will-artificial-intelligence-soon-escape-human-control

AI 驅(qū)動(dòng)科學(xué)

OCTCube-M：不僅能診斷視網(wǎng)膜病變，還能預(yù)警心梗與中風(fēng)的眼科AI

面對(duì)眼部掃描產(chǎn)生的海量圖像數(shù)據(jù)，Aaron Y. Lee與Sheng Wang等研究人員（圣路易斯華盛頓大學(xué)、華盛頓大學(xué)和基因泰克公司）開發(fā)了新型人工智能系統(tǒng)OCTCube-M，實(shí)現(xiàn)了對(duì)視網(wǎng)膜疾病及全身健康風(fēng)險(xiǎn)的快速精準(zhǔn)預(yù)測(cè)。

? 在歸納學(xué)習(xí)環(huán)境下對(duì)視網(wǎng)膜疾病預(yù)測(cè)的評(píng)估。Credit: Nature Biomedical Engineering (2026).

研究團(tuán)隊(duì)開發(fā)的OCTCube-M是一個(gè)基于三維光學(xué)相干斷層掃描的多模態(tài)框架。該系統(tǒng)使用超過2.6萬個(gè)三維OCT體數(shù)據(jù)（包含162萬個(gè)二維切片）進(jìn)行預(yù)訓(xùn)練。結(jié)果顯示，與傳統(tǒng)二維模型相比，該系統(tǒng)在識(shí)別年齡相關(guān)性黃斑變性等八種主要眼疾時(shí)，準(zhǔn)確率提升了4至6個(gè)百分點(diǎn)。此外，通過結(jié)合紅外視網(wǎng)膜成像和眼底自發(fā)熒光成像，該多模態(tài)模型在預(yù)測(cè)地圖狀萎縮的進(jìn)展速度方面，比現(xiàn)有最先進(jìn)模型平均提高了近50%。更重要的是，該模型還能僅憑眼底圖像特征，跨學(xué)科地預(yù)測(cè)心臟病發(fā)作、中風(fēng)和腎衰竭等全身性系統(tǒng)疾病風(fēng)險(xiǎn)。研究發(fā)表在 Nature Biomedical Engineering 上。

#疾病與健康 #個(gè)性化醫(yī)療 #人工智能 #視網(wǎng)膜病變 #多模態(tài)基礎(chǔ)模型

閱讀更多：

Liu, Zixuan, et al. “A Three-Dimensional Multi-Modal Foundation Model for Optical Coherence Tomography.” Nature Biomedical Engineering, Apr. 2026, pp. 1–20. www.nature.com, https://doi.org/10.1038/s41551-026-01662-2

模擬不同療法下的患者未來：醫(yī)學(xué)AI利用世界模型推演疾病軌跡

針對(duì)臨床 AI 無法預(yù)測(cè)不同治療對(duì)疾病軌跡影響的瓶頸，北京大學(xué)、澳門理工大學(xué)的研究人員首次從世界模型視角重構(gòu)疾病軌跡，發(fā)表了面向疾病演化動(dòng)態(tài)預(yù)測(cè)的臨床世界模型綜述。

該研究將臨床預(yù)測(cè)重新組織為動(dòng)態(tài)系統(tǒng)，包含了三大核心任務(wù)：預(yù)測(cè)當(dāng)前治療路徑下未來的事實(shí)軌跡預(yù)測(cè)；模擬不同治療動(dòng)作下演化路徑的反事實(shí)軌跡估計(jì)；以及評(píng)估臨床策略收益的策略級(jí)評(píng)估。此外，為解決治療與病情反饋、不規(guī)則隨訪等導(dǎo)致的偏誤，模型系統(tǒng)比較了深度序列模型、時(shí)間點(diǎn)過程和連續(xù)時(shí)間因果推斷等方法。綜述指出，臨床 AI 不能只追求預(yù)測(cè)準(zhǔn)確，必須通過目標(biāo)試驗(yàn)?zāi)M等手段提供決策級(jí)證據(jù)，并在證據(jù)不足時(shí)主動(dòng)給出不確定性或拒絕外推，從而安全輔助決策。

#疾病與健康 #預(yù)測(cè)模型構(gòu)建 #臨床AI #世界模型 #因果推斷

閱讀更多：

Feng, Pujun, et al. “From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction.” arXiv:2605.16927, arXiv, 16 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.16927

基于大腦信號(hào)解析的客觀疼痛評(píng)估AI模型

針對(duì)傳統(tǒng)疼痛評(píng)估依賴患者主觀報(bào)告、難以客觀量化以及無法應(yīng)用于溝通困難群體的問題，Jinung An、Sung Chan Jun以及Euijin Jung等人（大邱慶北科學(xué)技術(shù)院與光州科學(xué)技術(shù)院）組成的研究團(tuán)隊(duì)開發(fā)出一種基于人工智能的新技術(shù)，可通過分析熱刺激引發(fā)的腦電圖信號(hào)，客觀評(píng)估并分類疼痛強(qiáng)度。

? Credit: IEEE Transactions on Neural Systems and Rehabilitation Engineering (2026).

傳統(tǒng)腦電圖分析常受到患者自我報(bào)告偏差的干擾。為此，研究團(tuán)隊(duì)采用了一種樣本選擇策略，利用兩個(gè)人工智能模型相互比對(duì)預(yù)測(cè)誤差與分歧度，選擇性地僅從高度可靠和信息量豐富的腦電數(shù)據(jù)中學(xué)習(xí)，從而過濾掉主觀噪聲。在對(duì)41名接受熱刺激的參與者進(jìn)行的測(cè)試中，該模型在3類、6類及10類的細(xì)粒度疼痛等級(jí)分類中，性能均優(yōu)于傳統(tǒng)基線模型，并在未訓(xùn)練的新刺激環(huán)境中保持了穩(wěn)定的泛化預(yù)測(cè)。此外，研究發(fā)現(xiàn)左側(cè)和右側(cè)前額顳葉電極處的δ波活動(dòng)與疼痛強(qiáng)度密切相關(guān)。這為重癥監(jiān)護(hù)室等溝通困難患者的實(shí)時(shí)疼痛追蹤提供了客觀的神經(jīng)生理學(xué)基礎(chǔ)。研究發(fā)表在 IEEE Transactions on Neural Systems and Rehabilitation Engineering 上。

#疾病與健康 #大腦信號(hào)解析 #客觀疼痛評(píng)估 #腦電圖 #樣本選擇

閱讀更多：

Jung, Euijin, et al. “EEG-Based Pain Classification via Sample Selection to Mitigate Subjective Label Bias.” IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 34, 2026, pp. 2480–90. IEEE Xplore, https://doi.org/10.1109/TNSRE.2026.3692232

新型人工智能模型SimLBR以極低訓(xùn)練成本識(shí)別AI虛假圖像

生成式人工智能生成的虛假圖像日益逼真，導(dǎo)致傳統(tǒng)檢測(cè)器因過度擬合特定生成器特征而失效。為此，Aayush Dhakal、Subash Khanal、Srikumar Sastry、Jacob Arndt、Philipe Ambrozio Dias、Dalton Lunga和Nathan Jacobs（圣路易斯華盛頓大學(xué)與橡樹嶺國家實(shí)驗(yàn)室）開發(fā)出一種名為SimLBR的新型人工智能模型，通過學(xué)習(xí)識(shí)別真實(shí)圖像的特征，實(shí)現(xiàn)了對(duì)未知生成器虛假圖像的高效、低成本檢測(cè)。

? Credit: arXiv (2026).

該研究提出了一種名為潛在混合正則化的方法。與在像素空間中訓(xùn)練的傳統(tǒng)方法不同，該模型在預(yù)訓(xùn)練的基礎(chǔ)模型DINOv3的潛在空間中運(yùn)行，將圖像轉(zhuǎn)換為1024維向量進(jìn)行高效學(xué)習(xí)。在訓(xùn)練過程中，模型通過將少量虛假圖像信息融入真實(shí)圖像的潛在空間，強(qiáng)迫系統(tǒng)對(duì)未受干擾的真實(shí)圖像分布建立更緊密的決策邊界。實(shí)驗(yàn)結(jié)果表明，該方法在具有挑戰(zhàn)性的Chameleon基準(zhǔn)測(cè)試中，跨生成器的檢測(cè)準(zhǔn)確率提升了24.85%，召回率提高了69.62%。此外，SimLBR在單個(gè)GPU上的訓(xùn)練時(shí)間不足3分鐘，相較于最先進(jìn)方法在8個(gè)GPU上訓(xùn)練兩小時(shí)，計(jì)算成本顯著降低。研究還引入了基于夏普比率改進(jìn)的可靠性指標(biāo)，用于評(píng)估檢測(cè)器應(yīng)對(duì)未來未知生成器時(shí)的穩(wěn)定性。

#其他 #虛假圖像檢測(cè) #對(duì)抗樣本 #生成式人工智能

閱讀更多：

Dhakal, Aayush, et al. “SimLBR: Learning to Detect Fake Images by Learning to Detect Real Images.” arXiv:2602.20412, arXiv, 23 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.20412

大模型有望學(xué)會(huì)“心算”：隱式思維鏈?zhǔn)状潍@得嚴(yán)格數(shù)學(xué)證明

大模型生成顯式思考步驟會(huì)導(dǎo)致高延遲與高成本。為了解決該問題，Yixiao Huang、Hanlin Zhu、Zixuan Wang、Jiantao Jiao、Stuart Russell、Somayeh Sojoudi和Song Mei（加州大學(xué)伯克利分校與普林斯頓大學(xué)）通過研究證明，模型可通過隱式思維鏈將推理步驟內(nèi)化于隱藏狀態(tài)中，實(shí)現(xiàn)高效的直接預(yù)測(cè)。

研究團(tuán)隊(duì)基于 k-奇偶校驗(yàn)問題（k-parity problem，一種用于測(cè)試模型多步推理能力的經(jīng)典理論計(jì)算任務(wù)）展開研究。他們?cè)O(shè)計(jì)了一種名為 Log-ICoT 的新型訓(xùn)練課程，將奇偶校驗(yàn)的二叉樹結(jié)構(gòu)與 Transformer 結(jié)構(gòu)對(duì)準(zhǔn)，每次成塊隱藏整層思維鏈，從而將訓(xùn)練階段從傳統(tǒng)的線性步驟縮減至對(duì)數(shù)步驟。為攻克多層網(wǎng)絡(luò)訓(xùn)練中的難題，團(tuán)隊(duì)引入了門控連接來隔離各層信號(hào)，并結(jié)合整數(shù)量化防止誤差累積。實(shí)驗(yàn)結(jié)果顯示，在具有30個(gè)輸入比特和16個(gè)校驗(yàn)位的設(shè)置下，訓(xùn)練完成后的4層模型在沒有任何中間步驟輸出的情況下，驗(yàn)證集準(zhǔn)確率達(dá)到了100%。數(shù)學(xué)證明也確認(rèn)，該方法在測(cè)試時(shí)僅需單次前向傳播即可得出正確預(yù)測(cè)。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #隱式思維鏈 #多步推理 #Transformer

閱讀更多：

Huang, Yixiao, et al. “Transformers Provably Learn to Internalize Chain-of-Thought.” Version 1, arXiv:2605.28600, arXiv, 27 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.28600

經(jīng)典心理學(xué)測(cè)試暴露AI缺陷：長詞表導(dǎo)致大模型注意力系統(tǒng)崩潰

大模型是否具備人類的注意力控制能力？Suketu Chandrakant Patel、Hongbin Wang與Jin Fan等研究人員利用經(jīng)典心理學(xué)測(cè)試發(fā)現(xiàn)，大模型在面對(duì)干擾時(shí)存在根本性的執(zhí)行控制缺陷，無法像人類一樣持續(xù)專注于任務(wù)目標(biāo)。

? 在 Claude 3.5 Sonnet 模型中，任務(wù)識(shí)別與任務(wù)執(zhí)行之間存在分離，且無需明確提示。(a) 無提示對(duì)話的截圖（2025 年 1 月 10 日），模型識(shí)別出了 Stroop 范式并生成了詞-色關(guān)系映射，但在不一致詞表上的準(zhǔn)確率僅為 70%。(b) 僅提供包含 10 個(gè)不一致詞的刺激圖像作為唯一輸入，沒有伴隨任何任務(wù)指令。這種分離表明，僅識(shí)別任務(wù)結(jié)構(gòu)不足以啟動(dòng)準(zhǔn)確執(zhí)行任務(wù)所需的沖突解決機(jī)制。Credit: Suketu Chandrakant Patel, Hongbin Wang, and Jin Fan

研究團(tuán)隊(duì)使用斯特魯普任務(wù)（Stroop task，通過命名與字義不一致的文字顏色來評(píng)估執(zhí)行控制能力的經(jīng)典心理學(xué)測(cè)試） 對(duì)多個(gè)大模型進(jìn)行了測(cè)試。在該任務(wù)中，模型需要忽略文字本身的含義并說出印刷墨水的顏色。結(jié)果顯示，當(dāng)面臨不一致的干擾時(shí)，大模型的執(zhí)行控制 表現(xiàn)出嚴(yán)重的局限性。在5個(gè)單詞的短列表中，大模型表現(xiàn)良好；但隨著列表長度增加，其性能急劇崩潰。例如，GPT-4o的準(zhǔn)確率從5個(gè)單詞時(shí)的91%驟降至40個(gè)單詞時(shí)的15%。即使是較先進(jìn)的Claude 3.5 Sonnet，在40個(gè)單詞時(shí)的準(zhǔn)確率也跌至24%。在混合測(cè)試中，大模型在不一致項(xiàng)目上的準(zhǔn)確率甚至降至接近0%，默認(rèn)倒退回單純的單詞閱讀模式。此外，模型未表現(xiàn)出人類常見的一致性序列效應(yīng)（congruency sequence effect，前一次試驗(yàn)的一致性會(huì)調(diào)節(jié)當(dāng)前試驗(yàn)表現(xiàn)的自適應(yīng)控制現(xiàn)象），表明其缺乏逐個(gè)試驗(yàn)進(jìn)行動(dòng)態(tài)調(diào)整的控制機(jī)制。研究發(fā)表在 PNAS Nexus 上。

#認(rèn)知科學(xué) #計(jì)算模型與人工智能模擬 #大模型技術(shù) #斯特魯普任務(wù)

閱讀更多：

Patel, Suketu Chandrakant, et al. “Deficient Executive Control in Transformer Attention.” PNAS Nexus, vol. 5, no. 6, June 2026, p. pgag149. Silverchair, https://doi.org/10.1093/pnasnexus/pgag149

集處理、存儲(chǔ)和發(fā)光于一體的超低電壓有機(jī)晶體管

如何將信號(hào)處理、存儲(chǔ)與發(fā)光顯示集成于單一柔性器件是可穿戴醫(yī)療的核心挑戰(zhàn)。Tae-Woo Lee和Zhenan Bao等研究人員（首爾國立大學(xué)和斯坦福大學(xué)）成功開發(fā)出一種超低電壓電化學(xué)有機(jī)發(fā)光晶體管，在單器件中實(shí)現(xiàn)了上述全部功能。

? 在晶體管工作過程中，會(huì)形成空穴溝道，同時(shí)在漏極處建立陽離子誘導(dǎo)的雙電層，使電子和空穴復(fù)合并產(chǎn)生光（電致發(fā)光）。這種現(xiàn)象的實(shí)現(xiàn)得益于活性層中引入的離子傳輸增強(qiáng)劑促進(jìn)的陽離子自發(fā)遷移。由于這種穩(wěn)定高效的基于雙電層的載流子注入機(jī)制，即使采用單活性層結(jié)構(gòu)，該器件也能展現(xiàn)出明亮穩(wěn)定的發(fā)光性能。Credit:Nature Materials.

研究團(tuán)隊(duì)在單層有機(jī)發(fā)光晶體管的活性層中引入了離子傳輸增強(qiáng)劑。該設(shè)計(jì)促進(jìn)了陽離子自發(fā)遷移，在漏極電極界面誘導(dǎo)形成了穩(wěn)定的雙電層，從而顯著降低了電子注入勢(shì)壘。實(shí)驗(yàn)結(jié)果表明，該器件在低于3.5 V的超低電壓下即可工作，改善了傳統(tǒng)器件需80至180 V高壓的缺陷。此外，器件實(shí)現(xiàn)了寬度達(dá)267微米的寬闊且位置固定的橫向復(fù)合發(fā)光區(qū)域，最大亮度達(dá)到826 cd m-2，并能由兩節(jié)1.5 V的普通電池驅(qū)動(dòng)。該器件還展現(xiàn)出神經(jīng)形態(tài)信號(hào)處理和突觸記憶特性，能夠累積并保持多次刺激信號(hào)。研究發(fā)表在 Nature Materials 上。

#疾病與健康 #計(jì)算模型與人工智能模擬 #可穿戴設(shè)備 #有機(jī)晶體管 #神經(jīng)形態(tài)器件

閱讀更多：

Kim, Kwan-Nyeong, et al. “Ultralow-Voltage Electrochemical Organic Light-Emitting Transistors with Pinned and Wide Lateral Recombination.” Nature Materials, June 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41563-026-02613-7

被動(dòng)依賴AI讓工作失去意義

職場(chǎng)人工智能的快速普及可能讓員工產(chǎn)生心理疏離。Yidan Yin、Elena Hayoung Lee、Nan Jia和Cheryl J. Wakslak（賓夕法尼亞州立大學(xué)、南加州大學(xué)）通過實(shí)驗(yàn)發(fā)現(xiàn)，被動(dòng)復(fù)制人工智能內(nèi)容會(huì)嚴(yán)重削弱員工的心理所有權(quán)并加劇工作無意義感。

研究團(tuán)隊(duì)通過 Prolific 平臺(tái)招募了269名專業(yè)人士進(jìn)行寫作實(shí)驗(yàn)。參與者在第一階段分別進(jìn)行無輔助手動(dòng)寫作、被動(dòng)復(fù)制粘貼人工智能生成內(nèi)容，或與人工智能主動(dòng)協(xié)作（人類先撰寫草稿再由人工智能進(jìn)行潤色）。研究評(píng)估了參與者的自我效能感、心理所有權(quán)和工作意義感。第二階段，所有參與者恢復(fù)純手工寫作。結(jié)果表明，被動(dòng)使用組的心理所有權(quán)下降近20%，自我效能感和工作意義感下降近10%，且這種消極影響在恢復(fù)手動(dòng)寫作后依然持續(xù)。此外，被動(dòng)組在第二階段對(duì)成果的滿意度暴跌了21%，而主動(dòng)協(xié)作則避免了這種下滑。研究發(fā)表在 Scientific Reports 上。

#認(rèn)知科學(xué) #心理健康與精神疾病 #工作無意義感 #自我效能感 #心理所有權(quán)

閱讀更多：

Lee, Elena Hayoung, et al. “Relying on AI at Work Reduces Self-Efficacy, Ownership, and Meaning While Active Collaboration Mitigates the Effects.” Scientific Reports, vol. 16, no. 1, Mar. 2026, p. 13583. www.nature.com, https://doi.org/10.1038/s41598-026-42312-6

引入范疇論，MIT研究人員為自修復(fù)AI探索系統(tǒng)注入數(shù)學(xué)靈魂

如何讓AI自主改變科學(xué)詞匯體系以應(yīng)對(duì)理論失效？Fiona Y. Wang和Markus J. Buehler團(tuán)隊(duì)（麻省理工學(xué)院）開發(fā)了一個(gè)基于范疇論的自修復(fù)科學(xué)探索框架，實(shí)現(xiàn)了科學(xué)表征體系的自動(dòng)轉(zhuǎn)換與驗(yàn)證。

研究人員將科學(xué)狀態(tài)建模為協(xié)變函子（copresheaf），將既定體系內(nèi)的更新建模為自函子（endofunctor），而將科學(xué)發(fā)現(xiàn)建模為通過左伴隨Kan擴(kuò)張（left Kan extension，一種在不同范疇間遷移數(shù)據(jù)的數(shù)學(xué)方法）實(shí)現(xiàn)的體系轉(zhuǎn)換。該框架在兩個(gè)系統(tǒng)進(jìn)行了應(yīng)用。在Builder/Breaker蛋白質(zhì)力學(xué)系統(tǒng)中，AI在最小描述長度（Minimum Description Length，一種衡量模型簡潔度與數(shù)據(jù)擬合度的標(biāo)準(zhǔn)）閘門的約束下，自動(dòng)修正了蛋白質(zhì)力學(xué)世界模型，發(fā)現(xiàn)了模式條件順應(yīng)性規(guī)律。在CategoryScienceClaw系統(tǒng)中，該框架被用于分析纖維網(wǎng)絡(luò)力學(xué)，通過赤池信息量準(zhǔn)則（Akaike Information Criterion，一種評(píng)估模型擬合優(yōu)度與復(fù)雜度的指標(biāo)）閘門自動(dòng)篩選并記錄了各向異性剛度代理模型。研究表明，該范疇論框架不僅為AI自主科學(xué)發(fā)現(xiàn)提供了嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)基礎(chǔ)，也為其工程化落地提供了自修復(fù)規(guī)范。

#AI驅(qū)動(dòng)科學(xué) #自動(dòng)化科研 #跨學(xué)科整合 #范疇論 #材料力學(xué)

閱讀更多：

Wang, Fiona Y., and Markus J. Buehler. “Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence.” arXiv:2606.01444, arXiv, 31 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.01444

Memory Caching技術(shù)助RNN突破長文本召回瓶頸

如何解決循環(huán)神經(jīng)網(wǎng)絡(luò)在處理長文本時(shí)因內(nèi)存固定而遺忘信息的問題？Ali Behrouz、Zeman Li、Yuan Deng、Peilin Zhong、Meisam Razaviyayn和Vahab Mirrokni團(tuán)隊(duì)（谷歌及南加州大學(xué)等）提出了一種名為內(nèi)存緩存（Memory Caching）的技術(shù)，通過緩存隱藏狀態(tài)快照，成功讓循環(huán)神經(jīng)網(wǎng)絡(luò)的記憶容量隨文本長度動(dòng)態(tài)增長。

該技術(shù)將長序列分割為多個(gè)片段，并在片段結(jié)束時(shí)將循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的隱藏狀態(tài)（即用于壓縮和存儲(chǔ)歷史信息的內(nèi)存狀態(tài)）進(jìn)行緩存。研究設(shè)計(jì)了門控殘差內(nèi)存和稀疏選擇性緩存等四種聚合策略。通過在滑動(dòng)窗口線性注意力和Titans等架構(gòu)上進(jìn)行測(cè)試，結(jié)果表明該技術(shù)顯著增強(qiáng)了循環(huán)模型的表達(dá)能力。在16K長度的大海撈針挑戰(zhàn)中，基礎(chǔ)Titans模型在S-NIAH-2任務(wù)下的召回準(zhǔn)確率僅為75.4%，而引入門控殘差內(nèi)存后提升至88.2%，極大縮小了與傳統(tǒng)Transformer架構(gòu)的差距。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #循環(huán)神經(jīng)網(wǎng)絡(luò) #長文本處理 #內(nèi)存緩存

閱讀更多：

Behrouz, Ali, et al. “Memory Caching: RNNs with Growing Memory.” arXiv:2602.24281, arXiv, 27 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.24281

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。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)。您也可以在后臺(tái)提問，我們將基于追問知識(shí)庫為你做出智能回復(fù)哦~

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陳天橋雒芊芊神經(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、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、科普視頻媒體「大圓鏡」等。