追問daily | 家貓如何傳入中國？為何香菜有肥皂味？Science：AI已編寫近三分之一新代碼

█腦科學動態

Nature：全球大氣微塑料濃度被高估數萬倍

Nature：社交重塑腸道：同伴對嬰兒微生物組的影響力超越父母

Cell：細胞特異性溶酶體蛋白質組學揭示神經退行性疾病新機制

Cell：癌癥竟是阿爾茨海默病的“克星”？

Science：遠古病毒殘留物竟是人類生命開啟的鑰匙

午睡可“重置”大腦突觸可塑性，讓后續工作與學習保持最佳狀態

古DNA揭示家貓經絲綢之路傳入中國，晚于豹貓與人共生3500年

為何香菜有肥皂味？OR6A2受體結構揭示答案

█AI行業動態

LeCun創立AMI Labs，斥資35億美元押注「世界模型」

OpenAI暗示未來要在客戶利潤中“抽成”

斯坦福與英偉達聯合：讓AI在推理階段“現場進化”

OpenAI揭秘Codex核心架構與極簡數據庫方案

█AI驅動科學

Nature：每厘米10萬晶體管：多層旋疊架構突破纖維電子算力瓶頸

Science：AI已編寫近三分之一新代碼，資深程序員獲益最大

新方法讓AI無需額外數據即可像人類一樣進行組合推理

大模型也有“圈子文化”？研究揭示AI內化的社會偏見

僅重18克的折紙靈感戒指讓虛擬世界觸手可及

模擬人類視覺感知：AI視覺系統對抗攻擊新方法提升模型魯棒性

腦科學動態

Nature：全球大氣微塑料濃度被高估數萬倍

全球大氣中究竟漂浮著多少微塑料？維也納大學的Ioanna Evangelou及其團隊通過一項大規模的全球數據分析研究給出了驚人的答案。他們發現，此前科學界對大氣微塑料濃度的估算存在嚴重偏差，模型預測值比實際觀測值高出了數百甚至數萬倍，且陸地而非海洋才是大氣微塑料的主要來源。

為了通過數據揭示真相，研究團隊匯編了迄今為止最全面的全球大氣微塑料數據集，涵蓋了全球283個地點的2782個測量數據，并利用拉格朗日粒子擴散模型進行了對比模擬。研究結果顯示，所有模型都大幅高估了大氣微塑料的濃度，高估幅度達2至4個數量級。具體數據顯示，陸地上的微塑料濃度中位數為每立方米0.08個顆粒，而海洋上空僅為0.003個顆粒，前者是后者的27倍。通過校準，團隊估算出陸地每年排放約6.1×10^17個顆粒，而海洋僅為2.6×10^16個。這意味著，雖然海洋排放的顆粒可能在質量上較重，但在數量上，陸地排放占據絕對主導地位，且海洋上空檢測到的大部分微塑料實際上是經由大氣從陸地傳輸而來的。這一發現修正了人們對大氣微塑料循環的認知，指出未來的治理重點應集中在陸地排放源。研究發表在 Nature 上。

#疾病與健康 #預測模型構建 #微塑料 #大氣科學 #環境污染

閱讀更多：

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：社交重塑腸道：同伴對嬰兒微生物組的影響力超越父母

當嬰兒被送入托兒所時，他們交換的不僅僅是玩具和笑容，還有腸道中的微生物。來自意大利特倫托大學的Nicola Segata和Liviana Ricci團隊通過一項大規模縱向研究發現，托兒所中的社交互動是塑造嬰兒早期微生物組的核心力量。研究顯示，同齡人之間的微生物“水平傳播”不僅迅速，而且在影響力上甚至超過了家庭成員間的傳播。這一發現挑戰了傳統觀點，即認為家庭是嬰兒微生物組的唯一主要來源，揭示了早期社交環境在構建人類微生物生態系統中的關鍵作用。

研究團隊對3所托兒所的43名嬰兒進行了長達一年的追蹤，并收集了他們以及家長、兄弟姐妹和保育員的共1013份糞便樣本。利用宏基因組測序（metagenomic sequencing）和高精度的菌株分析技術，研究人員繪制了微生物傳播的詳細網絡。結果令人驚訝：入托僅3個月后，嬰兒從同伴處獲得的菌株比例（28.4%）就已超過了來自家庭的比例（24.0%）。研究還發現，抗生素的使用會像“催化劑”一樣加速新菌株的定植，而家中有兄弟姐妹的嬰兒則因其微生物組已相對“飽和”，對外界菌株的接納度較低。這項研究提示，托兒所的衛生政策需要在控制病原體和允許有益菌交流之間找到平衡。研究發表在 Nature 上。

#疾病與健康 #疾病預防 #微生物組 #宏基因組學 #兒童發育

閱讀更多：

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：細胞特異性溶酶體蛋白質組學揭示神經退行性疾病新機制

溶酶體作為細胞的“清潔工”和代謝中心，在維持大腦健康中起著至關重要的作用，但其在不同腦細胞中的具體差異一直是個謎。Monther Abu-Remaileh 和 Alessandro Ori 等人（斯坦福大學）領導的研究團隊繪制了首張大腦細胞類型特異性溶酶體蛋白質圖譜。他們不僅揭示了溶酶體在神經元和膠質細胞中的多樣性，還發現了一種導致神經系統疾病的基因突變背后的真實機制，為相關疾病的治療提供了全新的視角。

該研究利用LysoTag技術和特定的小鼠模型，成功分離并分析了神經元、星形膠質細胞、少突膠質細胞和小膠質細胞中的溶酶體蛋白。研究人員通過這一高分辨率圖譜發現，SLC45A1這種此前被認為與智力發育障礙有關的蛋白，實際上是一種神經元特異性的溶酶體糖轉運蛋白。進一步的實驗表明，SLC45A1對于維持V-ATPase（vacuolar ATPase，液泡型質子泵，負責調節溶酶體酸堿度的酶復合物）的穩定性至關重要。當SLC45A1缺失時，V-ATPase復合物會變得不穩定，導致溶酶體酸化受損，進而引發鐵穩態失調和線粒體功能障礙。基于這些發現，研究團隊提出應將SLC45A1相關疾病重新分類為溶酶體貯積癥（Lysosomal Storage Disorders, LSDs），這為開發針對性的治療策略奠定了基礎。研究發表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #溶酶體貯積癥 #SLC45A1 #蛋白質組學

閱讀更多：

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：癌癥竟是阿爾茨海默病的“克星”？Cystatin-C 蛋白揭示保護機制

為何癌癥患者似乎擁有對抗阿爾茨海默病的“免疫力”？為了解開這一醫學謎題，Youming Lu 團隊（華中科技大學同濟醫學院）通過研究揭示了外周癌癥通過分泌特定蛋白質抑制阿爾茨海默病病理的機制。研究發現，腫瘤分泌的因子能激活大腦免疫細胞，從而清除致病斑塊，為神經退行性疾病的治療提供了顛覆性的新思路。

?Credit:Cell.

該研究通過在阿爾茨海默病模型小鼠體內植入肺癌、前列腺癌等外周癌細胞，驚奇地發現小鼠腦內的淀粉樣蛋白斑塊顯著減少，認知功能得到改善。進一步探究發現，這一保護作用的關鍵在于癌細胞分泌的 Cystatin-C（Cyst-C）蛋白。Cyst-C 扮演了一種“分子膠水”的角色：它一方面直接結合有毒的淀粉樣蛋白寡聚體，另一方面激活小膠質細胞表面的 TREM2 受體。這種雙重結合如同搭建了一座橋梁，誘導小膠質細胞高效吞噬并降解已經存在的淀粉樣蛋白斑塊。當研究人員敲除小膠質細胞中的 TREM2 或使用突變的 Cyst-C 時，這種保護效應隨之消失；而直接注射重組 Cyst-C 蛋白則能復現治療效果。這表明基于 Cyst-C 的策略有望成為清除 AD 患者腦內既有斑塊的精準療法。研究發表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #癌癥 #小膠質細胞

閱讀更多：

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：遠古病毒殘留物竟是人類生命開啟的鑰匙

人類生命的最初階段是如何被精確調控的？浙江大學醫學院的Hongqing Liang、Dan Zhang團隊，聯合同濟大學的Shaorong Gao團隊及浙江大學愛丁堡大學聯合學院的Wanlu Liu團隊，通過研究給出了驚人的答案：一種古老的病毒殘留物是開啟人類胚胎發育的關鍵。研究人員發現，在合子基因組激活（ZGA）這一關鍵時期，內源逆轉錄病毒MLT2A1發揮著不可或缺的作用，它構建了一個復雜的調控網絡，確保胚胎順利跨越發育的第一個重要門檻。

?MLT2A1 通過合成異源嵌合 RNA 來增強人類 ZGA 的功能。ZGA 特異性 MLT2A1 通過與不同的下游序列融合來生成嵌合 RNA。

該研究利用人類體外受精胚胎和八細胞樣細胞模型，結合先進的長讀長轉錄組分析技術，深入解析了MLT2A1的功能。研究發現，MLT2A1會生成大量的嵌合RNA（Chimeric RNAs，由不同基因序列融合而成的RNA分子），這些分子充當了基因組激活的“橋梁”。具體而言，嵌合RNA的可變3'端能夠識別并結合廣泛的基因組區域，而其保守的5'端則負責招募異質核核糖核蛋白 U（HNRNPU，一種參與基因轉錄及染色質結構調節的關鍵蛋白質）以及RNA聚合酶II，從而啟動ZGA相關基因的表達。這種獨特的機制形成了一個自我放大的正反饋回路，若抑制MLT2A1，人類胚胎將陷入發育停滯。這項發現不僅揭示了“垃圾DNA”在生命起源中的重要功能，也為評估輔助生殖技術中的胚胎質量提供了潛在的生物標志物。研究發表在 Science 上。

#認知科學 #神經機制與腦功能解析 #語言學 #失配負波 #聽覺感知

閱讀更多：

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”大腦突觸可塑性，讓后續工作與學習保持最佳狀態

大腦如何處理白天的信息過載并恢復學習能力？瑞士日內瓦大學的Kristoffer D. Fehér和Christoph Nissen團隊通過研究發現，短暫的午睡足以“重置”大腦的神經連接狀態。該研究首次在人類中證實，午睡不僅能緩解大腦疲勞，還能通過調節突觸可塑性，為接納新信息騰出空間，從而優化后續的學習與工作表現。

研究團隊招募了20名健康成年人進行了一項對照實驗，對比了平均44分鐘的午睡與保持清醒對大腦狀態的影響。為了量化大腦的變化，研究人員使用了經顱磁刺激來測量皮質興奮性，并結合腦電圖監測θ波活動，以此作為評估大腦整體突觸強度的指標。此外，團隊還利用配對聯合刺激（PAS，一種誘導神經可塑性的實驗范式）來測試長時程增強的誘導能力。

結果顯示，與保持清醒相比，午睡顯著降低了皮層興奮性和腦電θ波水平，這表明大腦的高強度突觸連接得到了“下調”或重置。更重要的是，午睡后受試者對PAS刺激的反應更強，意味著大腦形成新突觸連接的能力得到了顯著提升。這一發現證實，短暫的睡眠可以清除大腦的“緩存”，恢復其可塑性，且這種增益效果至少可持續2小時。研究發表在 NeuroImage 上。

#神經科學 #神經機制與腦功能解析 #睡眠 #突觸可塑性 #學習記憶

閱讀更多：

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揭示家貓經絲綢之路傳入中國，晚于豹貓與人共生3500年

家貓究竟是何時進入中國尋常百姓家的？為了解開這一謎題并厘清古代人類與貓科動物的互動歷史，北京大學的羅述金（Shu-Jin Luo）團隊聯合牛津大學的Greger Larson團隊及Yu Han、Songmei Hu等多位研究人員，利用古基因組學技術重寫了中國養貓史。該研究通過分析跨越五千年的考古樣本，首次證實了中國古代存在長達3500年的豹貓與人類共生期，并確定了家貓是直到唐朝才通過絲綢之路正式進入中國。

?Credit: Cell Genomics.

研究團隊對來自中國14個考古遺址的22個小型貓科動物骨骼樣本進行了深入分析，這些樣本的時間跨度從5400年前的新石器時代一直延續到150年前。研究人員結合了古DNA測序和碳14測年技術，結果顯示，從仰韶文化時期到東漢末年，中國古代遺址中的貓科動物并非家貓，而是本土的豹貓（Prionailurus bengalensis）。這種野生貓科動物與人類保持了長達3500年的共棲關系，利用人類聚居地的食物資源生存。研究進一步發現，真正的家貓（Felis catus）直到約公元730年的唐朝才出現，且基因分析表明它們起源于近東地區，這有力地支持了家貓是隨商隊經由絲綢之路傳入中國的假說。此外，基因表型復原十分有趣地指出，中國確認最早的家貓之一是一只全白或帶有白斑的貓。研究發表在 Cell Genomics 上。

#其他 #跨學科整合 #古基因組學 #家貓 #絲綢之路

閱讀更多：

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

為何香菜有肥皂味？OR6A2受體結構揭示答案

嗅覺受體如何精準捕捉氣味分子，一直不僅是感官科學的核心問題，也與炎癥等疾病調控密切相關。上海科技大學的劉志杰（Zhi-Jie Liu）、華甜（Tian Hua）、趙素文（Suwen Zhao）及水雯箐（Wenqing Shui）聯合團隊，通過攻克結構生物學領域的“硬骨頭”，成功解析了人類嗅覺受體OR6A2的高分辨率結構。該研究不僅解釋了部分人群為何對香菜產生“肥皂味”感知的分子基礎，還揭示了該受體在非嗅覺組織（如免疫細胞）中潛在的病理生理作用，為理解嗅覺感知及開發炎癥相關疾病的藥物提供了全新視角。

?Credit:Cell.

研究團隊采用“共識序列+反向突變”策略，克服了嗅覺受體難以表達和不穩定的難題，成功解析了OR6A2與多種天然醛類氣味分子及G蛋白Golf的復合物結構。最為震撼的發現是，醛類氣味分子通過席夫堿（Schiff base linkage，一種由氨基和羰基縮合形成的化學鍵）與受體形成可逆的共價鍵。這種“牽手”式的識別機制此前僅在視覺系統的視紫紅質中被發現，在其他G蛋白偶聯受體（GPCR）家族中尚屬首次。此外，研究還通過冷凍電鏡（Cryo-EM）和分子動力學模擬，鑒定出了受體激活的關鍵“三聯體”結構，表明嗅覺受體采用了一種比經典GPCR更為簡潔高效的激活機制，以適應快速變化的復雜氣味環境。研究發表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #結構生物學 #嗅覺受體 #G蛋白偶聯受體

閱讀更多：

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 行業動態

圖靈獎得主Yann LeCun創立AMI Labs，斥資35億美元押注「世界模型」挑戰LLM霸權

圖靈獎得主 Yann LeCun 離開 Meta 后創立的新公司 AMI Labs（高級機器智能實驗室）近日正式確立了核心研發方向：構建「世界模型（World Models，一種能夠模擬和理解物理世界規律與動態的AI架構）」。這一舉措標志著對當前主流的大語言模型技術路線發起了挑戰。Yann LeCun 長期對基于「下一個Token預測（Next-token Prediction，根據上文概率性地預測下一個字詞的生成方式）」的范式持懷疑態度，認為這種方式無法讓 AI 真正理解現實世界。AMI Labs 旨在開發具備持久記憶、推理規劃能力且安全可控的智能系統。研究人員提出了「帶動作條件的世界模型」，該模型不執著于逐像素生成，而是通過抽象建模過濾噪聲，在更高維度的表征空間中進行預測。與此同時，Yann LeCun 還擔任了 Logical Intelligence 的技術研究委員會創使主席，該公司推出的 Kona 模型基于「基于能量的推理模型（Energy-Based Reasoning Models，通過最小化能量函數來尋找滿足約束條件最優解的數學模型）」，同樣旨在跳出語言生成范式，追求物理一致性。

在商業層面，AMI Labs 已引發資本市場的激烈爭搶，估值據傳已達 35 億美元。公司由 Alex LeBrun 擔任首席執行官，他此前是醫療 AI 初創公司 Nabla 的聯合創始人，而 Yann LeCun 則出任執行董事長。鑒于核心團隊在醫療健康領域的背景，以及世界模型對可靠性的極致追求，AMI Labs 的應用場景將高度聚焦于工業控制、機器人技術及醫療健康等高風險領域。研究人員指出，這種「智能體系統」必須能夠預見行為結果，從而在安全約束下可靠地行動。盡管 Yann LeCun 曾公開批評前東家的部分戰略，但 Meta 很可能成為 AMI Labs 的首個客戶。此外，公司計劃采用開源與技術授權相結合的模式，并保持總部位于巴黎的全球化運營，而 Yann LeCun 本人將保留在紐約大學的教職，繼續連接學術界與產業界。

#YannLeCun #世界模型 #AMI_Labs #反LLM范式 #智能體系統

閱讀更多：

https://techcrunch.com/2026/01/23/whos-behind-ami-labs-yann-lecuns-world-model-startup/

OpenAI不想只賣鏟子了：CFO暗示未來要在客戶利潤中“抽成”

OpenAI CEO Sam Altman 近日高調透露，僅公司 API 業務的 ARR（Annual Recurring Revenue，年度經常性收入）月增長已超過 10 億美元，與此同時，外界傳聞其正尋求估值高達數千億美元的新一輪融資。然而，比財務數據更具沖擊力的是 OpenAI CFO Sarah Friar 在達沃斯論壇上提出的全新商業構想——“價值共享”（Value Sharing，指通過技術貢獻獲取客戶創造收益的一部分）。Sarah Friar 以藥物研發為例指出，如果制藥公司利用 OpenAI 的技術成功發現新藥，OpenAI 將不再滿足于僅收取基礎的軟件使用費，而是希望從客戶因此獲得的巨大商業收益中抽取一定比例的利潤。這意味著這家 AI 巨頭正計劃從單純的工具供應商轉型為深度參與客戶商業閉環的合作伙伴，試圖在客戶利用 AI 獲得成功時進行“抽成”，這一策略轉變迅速在科技界和商業界引發了軒然大波。

這一潛在的商業模式調整被外界解讀為對現有 AI 工具化認知的巨大顛覆。批評者將其比作 Adobe 要求對設計師創作的圖片進行抽成，并尖銳地指出，OpenAI 在自身訓練數據版權尚存爭議的情況下，試圖從用戶的 IP中獲利極具諷刺意味，甚至可能導致商業客戶流失。盡管面臨質疑，但 AI 在生物醫藥領域的應用確實正在加速，OpenAI 已與賽默飛世爾科技（Thermo Fisher Scientific）等企業展開深度合作，并積極向瑞維拓（Revvity）等公司尋求專業數據授權，以訓練針對生物學優化的模型。事實上，谷歌 DeepMind 和 Anthropic 等競爭對手也在探索類似的數據許可與合作路徑。Sarah Friar 甚至在博客中暗示，這種基于結果定價的模式未來可能進一步擴展至能源和金融領域，表明隨著大模型展現出“想法合成器”的潛力，OpenAI 正試圖重新定義 AI 時代的價值分配規則。

#OpenAI #商業模式 #藥物研發 #價值共享 #SamAltman

閱讀更多：

https://www.theinformation.com/newsletters/applied-ai/openai-plans-take-cut-customers-ai-aided-discoveries?rc=jn0pp4

斯坦福與英偉達聯合發布TTT-Discover：讓AI在推理階段“現場進化”

斯坦福大學與英偉達的研究人員近日聯合發布了一項名為 TTT-Discover 的突破性研究，提出了一種打破“模型訓練完即定型”鐵律的全新 AI 推理范式。與傳統大模型在預訓練后參數凍結（Parameters Frozen，模型權重固定不再變化）的模式不同，TTT-Discover 允許模型在推理階段（Test-Time）針對特定難題，利用強化學習直接修改自身的參數和權重。這種被稱為“測試時訓練”（Test-Time Training，簡稱 TTT）的方法采取了極端的策略：它不再追求模型的通用性和穩健性，而是鼓勵模型在考場上“現場長腦子”，為了解決單一的極端問題進行高風險探索，甚至不惜讓模型陷入過擬合。該項目的核心推動者 Yu Sun 認為，真正的智能體不應在訓練結束時停止學習，而應在推理過程中通過參數更新繼續進化。

TTT-Discover 在數學、代碼優化和算法競賽等硬核領域展現了碾壓人類頂尖水平的能力。在數論領域的 Erd?s 最小重疊問題上，它通過構造極其復雜的非對稱函數刷新了歷史記錄；在 GPU 內核優化比賽中，它生成的代碼運行速度比人類第一名快 50%，展現了激進的算子融合能力；在 AtCoder 啟發式競賽中，它更是擊敗了人類金牌選手的歷史最佳成績。盡管這種“一次性特種兵”模型存在成本高昂（解決單道題算力成本約 500 美元）、功能單一且依賴明確獎勵信號等局限，但它展示了 AI 在解決癌癥藥物研發、數學猜想證明等科學發現領域的巨大潛力。研究人員通過這一成果，向外界展示了一種為了照亮未知瞬間而燃盡自我的全新智慧形態。

#TTT-Discover #斯坦福大學 #英偉達 #AI推理 #科學發現

閱讀更多：

https://arxiv.org/pdf/2601.16175

OpenAI揭秘Codex核心架構與極簡數據庫方案，強勢回應Claude挑戰

面對 Anthropic 旗下 Claude Code 的強勢挑戰，OpenAI 近日祭出重拳，首度揭秘了其 Codex 模型背后的核心架構“智能體循環”（Agent Loop）。研究人員指出，Agent Loop 不僅僅是簡單的問答系統，更是一個包含“觀察-思考-行動-反饋”的閉環總指揮，它能將用戶意圖、模型推理與執行工具完美串聯。通過自動構建包含系統指令、工具定義和環境上下文的提示詞，模型能夠自主規劃路徑、調用 Shell 等工具并根據反饋進行自我修正。為解決長對話帶來的成本爆炸和上下文窗口限制，OpenAI 引入了兩項硬核優化：利用“提示詞緩存”（Prompt Caching，通過前綴匹配技術復用未變更的內容以降低計算量）將成本從平方級降至線性級；以及采用“對話壓縮”，確保 AI 在處理復雜任務時“智商”始終在線。

在基礎設施層面，OpenAI 更是曝出驚人細節：僅憑一個主節點的 PostgreSQL配合 50 個只讀副本，便成功支撐起全球 8 億用戶的海量訪問。研究人員透露，這套架構的核心在于極致的讀寫分離與性能優化。通過引入 PgBouncer（連接池代理，用于復用數據庫連接以顯著降低建立連接的開銷），連接時間從 50ms 驟降至 5ms；同時利用緩存鎖定機制有效避免了服務雪崩。盡管目前面臨寫入放大的物理極限，但 OpenAI 用實踐證明，通過將單機架構優化到極致，完全可以在不盲目追求復雜分布式系統的情況下，滿足超大規模的用戶需求。

#OpenAI #Codex #AgentLoop #PostgreSQL #高并發架構

閱讀更多：

https://openai.com/index/unrolling-the-codex-agent-loop/

AI 驅動科學

Nature：每厘米10萬晶體管：多層旋疊架構突破纖維電子算力瓶頸

纖維電子雖已具備供電、傳感和顯示功能，但長期缺乏核心的信號處理能力，阻礙了智能交互系統的構建。復旦大學的Zhen Wang、Ke Chen、Xiang Shi、Huisheng Peng及Peining Chen等人打破常規，成功研發出具備高密度集成電路的纖維器件，填補了這一關鍵空白。

研究團隊創新性地提出了一種多層旋疊架構（multilayered spiral architecture），即先在平面基底上完成微納加工，再將其卷曲成螺旋結構的纖維。這種方法使得纖維集成電路（FIC）的集成密度高達每厘米10萬個晶體管。該器件不僅能處理數字和模擬信號，還能執行高識別精度的神經計算。在極端條件測試中，該纖維經受住了10000次循環彎曲、30%的拉伸、每厘米180度的扭轉，甚至重達15.6噸集裝箱卡車的碾壓，性能依然保持穩定。這一突破實現了單根纖維內的閉環控制，無需外接笨重處理器，為腦機接口、智能織物及虛擬現實可穿戴設備等應用開辟了新路徑。研究發表在 Nature 上。

#意識與腦機接口 #跨學科整合 #智能織物 #柔性電子 #纖維芯片

閱讀更多：

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已編寫近三分之一新代碼，資深程序員獲益最大

生成式人工智能正在重塑全球軟件開發產業，但其帶來的紅利并非均勻分布。由復雜性科學中心的Frank Neffke和Simone Daniotti等人組成的研究團隊，通過分析海量編程數據，揭示了AI輔助編程的全球普及趨勢及其對生產力的實際影響。研究發現，雖然AI代碼的占比迅速攀升，但主要是經驗豐富的開發者從中獲得了生產力提升，而非初學者。

?左圖：人工智能編寫的 Python 函數占比（2019-2024 年）快速增長，但各國采用率存在差異。美國在生成式人工智能的早期應用方面處于領先地位，其次是法國和德國等歐洲國家。從 2023 年開始，印度迅速迎頭趕上，而中國和俄羅斯的應用進展則較為緩慢。右圖：比較同一批程序員在不同時間點的使用率，生成式人工智能的應用與生產力（代碼提交次數）、功能廣度（庫使用）和新功能探索（庫條目）的提升相關，但這種關聯僅限于資深開發人員，而初級開發人員在使用生成式人工智能時并未獲得任何具有統計學意義的顯著收益。Credit: Complexity Science Hub (CSH)

該研究分析了全球最大的代碼托管平臺GitHub上超過3000萬條Python代碼貢獻，涉及約16萬名開發者。團隊開發并使用了一種神經分類器，這是一種專門訓練用于區分人類編寫代碼與AI生成代碼的機器學習模型。結果顯示，到2024年底，美國新編寫的軟件代碼中已有約29%由AI生成，顯著高于中國的12%。值得注意的是，研究發現了一個明顯的“經驗悖論”：經驗較少的初級程序員在37%的代碼中使用了AI，而資深程序員僅為27%；然而，生產力的提升（代碼提交量增加3.6%）和技能邊界的拓展（探索新功能庫）主要集中在資深開發者身上，初學者幾乎沒有獲得顯著收益。這表明AI工具目前更多是錦上添花，而非幫助新手彎道超車的捷徑。研究發表在 Science 上。

#AI 驅動科學 #大模型技術 #軟件工程 #自動化科研 #經濟學

閱讀更多：

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

新方法讓AI無需額外數據即可像人類一樣進行組合推理

如何讓AI不只是死記硬背，而是像人類一樣具備靈活的推理能力？Yinglun Zhu及其團隊（加州大學河濱分校）開發了一種名為“測試時匹配”（TTM）的新技術，成功解決了這一難題。該研究表明，通過優化評估方式和引入自我改進機制，即使是較小規模的AI模型也能在無需額外訓練數據的情況下，展現出超越GPT-4.1的強大組合推理能力。

?SimpleMatch 和 TTM 顯著提升了 VLM 和 MLLM 在組合推理基準測試 Winoground、MMVP-VLM 和 ColorSwap 上的性能，并創造了新的性能記錄。Credit: arXiv (2025).

長期以來，人工智能在面對“組合推理”（compositional reasoning，即基于已知部分理解新組合的能力）時往往表現不佳。研究團隊首先指出，傳統的評估方法低估了AI的潛能，通過引入一種新的評估指標SimpleMatch，他們發現模型實際上隱藏著未被發掘的能力。在此基礎上，團隊進一步開發了TTM算法。該算法模擬人類利用上下文進行推理的過程：讓模型在測試階段預測圖像與文本的匹配關系，選取置信度最高的結果進行自我微調，并不斷迭代優化。實驗結果顯示，應用該技術后，相對較小的模型SigLIP-B16在多項基準測試中刷新了記錄，特別是在MMVP-VLM數據集上，其準確率達到89.4%，超越了GPT-4.1。此外，GPT-4.1在使用新方法后，在Winoground測試中首次超越了人類的平均表現。這項研究打破了“模型越大越好”的迷思，證明了通過智能的測試時適應策略，可以顯著釋放現有AI模型的潛力。

#大模型技術 #計算模型與人工智能模擬 #組合推理 #測試時匹配 #視覺語言模型

閱讀更多：

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內化的社會偏見

人工智能是否會繼承人類“黨同伐異”的劣根性？Tabia Tanzin Prama和Julia Witte Zimmerman等人（佛蒙特大學）的研究給出了肯定的答案。該團隊發現，大型語言模型不僅吸收了訓練數據中的事實關聯，還內化了人類的社會偏見，表現出明顯的內群體偏好和外群體敵意，并成功開發出一種能夠顯著緩解此類偏見的新策略。

?使用秩湍流散度 (RTD) 的異質分類圖比較了由 LLaMA-3.1 生成的自由派和保守派人物語料庫。左圖顯示了秩-秩直方圖，右圖顯示了秩湍流散度圖，以可視化兩種陣營間詞語使用差異。Credit: arXiv (2025).

研究團隊對GPT-4.1、DeepSeek-3.1等五個主流模型進行了全面評估。通過結合情感動力學和異類分類學（allotaxonometry，一種用于比較不同系統間等級分布差異的統計方法）分析發現，所有模型在默認狀態下都傾向于通過語言表達“內群體團結”與“外群體敵意”。更有趣的是，當研究人員要求模型扮演特定政治立場的“人格”時，模型的偏見模式發生了系統性偏移：扮演“保守派”的模型表現出更強的外群體敵意，而“自由派”模型則表現出更強的內群體團結。此外，針對特定外群體的誘導性提示會使模型生成的敵對語言增加最高達21.76%。為解決這一問題，團隊開發了名為ION的“內群體-外群體中和”策略，利用直接偏好優化（Direct Preference Optimization，一種無需獎勵模型即可直接根據人類偏好數據優化策略的算法）進行微調，成功將模型的情感分歧降低了69%。

#大模型技術 #計算模型與人工智能模擬 #社會偏見 #算法倫理 #直接偏好優化

閱讀更多：

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

僅重18克的折紙靈感戒指讓虛擬世界觸手可及

目前的虛擬現實技術雖然視覺效果逼真，卻往往讓人“看得見摸不著”。為了解決這一感官缺失，Sunju Kang、Mustafa Mete和Jamie Paik等研究人員（成均館大學、洛桑聯邦理工學院、伊斯坦布爾理工大學）開發了一款名為OriRing的新型可穿戴設備。這款設備突破了傳統觸覺反饋裝置體積大、重量沉的局限，成功在極輕的重量下實現了逼真的觸覺交互。

?一種帶有三軸力感應皮膚的可穿戴觸覺力反饋戒指。A) 我們開發了一種名為 OriRing 的可穿戴觸覺戒指，重量僅為 18 克，可產生高達 6.5 牛頓的力。該設計融合了基于折疊的棱柱關節、三軸力感應皮膚、噴墨打印的彎曲傳感器、單像素陣列 (SPA) 和 3D 打印的環形框架。B) 力感應皮膚由上層柔軟的金字塔微結構、下層四個電阻像素以及分隔兩層的間隔層組成。這種設計能夠檢測法向力和剪切力。C) 憑借其多模態傳感和驅動能力，OriRing 通過動覺和本體感覺反饋來呈現虛擬物體的尺寸和剛度。它還允許用戶通過發送數字命令來修改這些屬性，從而展示了與數字環境的雙向通信。 Credit: Kang et al. (Nature Electronics, 2025).

該研究團隊從折紙藝術中汲取靈感，設計了一種基于折疊的幾何結構，結合柔性氣動致動器（soft pneumatic actuators）和噴墨打印的彎曲傳感器，打造出僅重18克的智能戒指。OriRing的核心創新在于其三軸力感應皮膚，該皮膚由帶有微小金字塔結構的拓撲優化層和電阻像素層組成，能夠同時敏銳地檢測手指受到的法向力和剪切力。實驗表明，該設備不僅能精準追蹤手指運動，還能在三個自由度上提供高達6.5牛頓的動覺反饋，模擬出虛擬物體的尺寸、剛度以及按壓或滑動的真實觸感。這一技術實現了用戶與數字環境的雙向通信，有望在游戲、專業培訓及醫療康復等領域帶來革命性的沉浸體驗。研究發表在 Nature Electronics 上。

#其他 #機器人及其進展 #虛擬現實 #觸覺反饋 #可穿戴設備

閱讀更多：

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

模擬人類視覺感知：AI視覺系統對抗攻擊新方法提升模型魯棒性

為了解決深度神經網絡在面對惡意攻擊時的脆弱性，Doshisha University的Masatomo Yoshida和Masahiro Okuda開發了一種名為IFAP的創新框架。該研究旨在通過生成更具隱蔽性和自然感的對抗樣本，對AI視覺系統進行更有效的壓力測試。結果表明，這種新方法不僅能成功欺騙AI模型，還能生成在視覺和頻譜特征上與原始圖像高度一致的擾動，為提升醫療診斷和自動駕駛等關鍵領域AI系統的安全性提供了新的評估工具。

?IFAP 利用模型梯度生成對抗性擾動，然后在離散余弦變換 (DCT) 域中對其進行整形。與應用固定頻率掩碼的現有頻率感知方法不同，IFAP 引入了一種基于輸入圖像頻譜的輸入自適應頻譜包絡約束。該約束引導擾動的全頻譜輪廓與輸入圖像相符，從而在保持攻擊有效性的同時，提高了所生成對抗樣本的頻譜保真度。Credit: Professor Masahiro Okuda / Doshisha University, Japan

現有的對抗攻擊技術通常僅通過限制噪聲幅度（Lp范數）來隱藏攻擊，但這往往導致圖像出現不自然的顆粒感，容易被基于頻率的安全過濾器檢測到。為了突破這一局限，研究團隊提出了IFAP框架，利用離散余弦變換（DCT）技術，在頻域內對攻擊噪聲進行整形。不同于以往使用固定頻率掩碼的方法，IFAP引入了輸入自適應頻譜包絡約束，使添加的噪聲能夠自適應地匹配輸入圖像的整個頻率分布。為了準確評估效果，團隊還開發了名為頻率余弦相似度（Freq_Cossim）的新指標，專門衡量噪聲與原圖在頻譜輪廓上的匹配度。實驗顯示，IFAP生成的對抗樣本不僅視覺上更自然，而且由于噪聲與圖像紋理高度融合，即使經過JPEG壓縮或模糊處理等常見的圖像清洗手段，攻擊依然有效。這項研究表明，模擬人類感知的頻率特性是設計下一代高魯棒性AI模型的關鍵。研究發表在 IEEE Access 上。

#其他 #計算模型與人工智能模擬 #計算機視覺 #對抗樣本 #AI安全

閱讀更多：

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

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。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。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

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。

研究院在華山醫院、上海市精神衛生中心分別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陳天橋雒芊芊神經科學研究院。

研究院還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、、、科普視頻媒體「大圓鏡」等。